基于DSP的自適應(yīng)弱小目標(biāo)檢測(cè)方法

李天甲 許四祥 姚志生 王 洋

(安徽工業(yè)大學(xué)機(jī)械工程學(xué)院 安徽 馬鞍山 243002)

0 引 言

弱小目標(biāo)因其成像面積小，信噪比小，極易淹沒在復(fù)雜背景雜波中[1-2]，因此弱小目標(biāo)的檢測(cè)一直是圖像處理領(lǐng)域的熱點(diǎn)和難點(diǎn)。傳統(tǒng)應(yīng)用于鎂合金熔液中弱小目標(biāo)檢測(cè)的算法如自適應(yīng)背景預(yù)測(cè)法[3]、基于支持向量機(jī)法[4]、小波變換圖像融合法[5]等多局限于MATLAB軟件仿真。隨著DSP芯片運(yùn)算速度、集成度、數(shù)據(jù)處理能力等性能的不斷提高，基于嵌入式DSP的圖像處理系統(tǒng)在弱小目標(biāo)檢測(cè)方面取得較好的應(yīng)用，使傳統(tǒng)MATLAB算法應(yīng)用于基于DSP的嵌入式圖像處理平臺(tái)上成為可能。如李正周等[6]在DSP平臺(tái)實(shí)現(xiàn)了對(duì)序列圖像弱小運(yùn)動(dòng)目標(biāo)的檢測(cè)，文獻(xiàn)[7]采用中值濾波算法在DSP檢測(cè)平臺(tái)上實(shí)現(xiàn)鎂合金熔液弱小目標(biāo)的檢測(cè)。但文獻(xiàn)[7]中算法的穩(wěn)定性和實(shí)時(shí)性存在不足。因此，本研究在DSP圖像處理系統(tǒng)平臺(tái)上，設(shè)計(jì)一種基于DSP的自適應(yīng)背景檢測(cè)算法，應(yīng)用于鎂合金鎂熔液中弱小目標(biāo)檢測(cè)，取得了較好的效果。

1 DSP圖像處理系統(tǒng)平臺(tái)

本研究采用的DSP圖像處理系統(tǒng)平臺(tái)所使用的芯片是TMS320DM642(簡(jiǎn)稱DM642)。它是TI公司推出的一款32位定點(diǎn)DSP芯片，采用TI公司第二代增強(qiáng)型超長(zhǎng)指令字(VLIW)結(jié)構(gòu)，在主頻720 MHz下處理速度能達(dá)到5 760 MIPS，具有高實(shí)時(shí)性和高穩(wěn)定性等特點(diǎn)[8]，達(dá)到了弱小目標(biāo)實(shí)時(shí)檢測(cè)的硬件要求。且DM642芯片中的EMIF接口數(shù)據(jù)總線寬度為64位，可直接與大容量SDRAM芯片無縫連接[9]，為大量圖像數(shù)據(jù)提供了存儲(chǔ)空間。DSP圖像處理系統(tǒng)平臺(tái)如圖1所示。

圖1 DSP圖像處理系統(tǒng)平臺(tái)

該平臺(tái)由軟件模塊和硬件模塊兩部分組成。硬件模塊以DM642為核心，通過EMIF總線外擴(kuò)了一個(gè)256 MB SDRAM的存儲(chǔ)器和一個(gè)32 MB的FLASH存儲(chǔ)器，且通過JTAG接口與仿真器連接，并將采集的圖像下載到EMIF的SDRAM中，等待程序處理。軟件模塊以集成開發(fā)軟件Code Composer Studio 3.3 (簡(jiǎn)稱CCS3.3)為編程載體，通過仿真器與硬件模塊連接組成一個(gè)完整的系統(tǒng)平臺(tái)。該平臺(tái)圖像處理過程為：

(1) 初始化硬件模塊和軟件模塊，并編寫檢測(cè)算法。

(2) 在CCS3.3開發(fā)環(huán)境下，利用Compiler工具編譯程序生成.OUT文件。

(3) 通過USB接口連接的XDS560仿真器將生成的.OUT文件下載到DM642芯片的RAM中，運(yùn)行程序處理SDRAM中的圖像。

(4) 分析處理結(jié)果。

2 檢測(cè)算法

2.1 自適應(yīng)背景預(yù)測(cè)算法

背景預(yù)測(cè)是根據(jù)目標(biāo)點(diǎn)在整幅圖像中灰度值不是最大但在局域范圍內(nèi)灰度值最大的特性提出。用局域范圍內(nèi)的背景點(diǎn)預(yù)測(cè)出一幀不含目標(biāo)的背景預(yù)測(cè)圖像，用原始圖像減去背景預(yù)測(cè)圖像即可消除大部分背景，從而得到含有目標(biāo)的圖像。

自適應(yīng)背景預(yù)測(cè)根據(jù)當(dāng)前像素點(diǎn)水平領(lǐng)域、垂直鄰域的像素點(diǎn)灰度值之差與預(yù)先設(shè)定的閾值P差異選擇不同的背景預(yù)測(cè)模型。若灰度差大于閾值P，則背景灰度值起伏較大，該像素點(diǎn)可能為目標(biāo)點(diǎn)，采用預(yù)測(cè)窗口較大的分塊權(quán)值背景預(yù)測(cè)模型[10]進(jìn)行預(yù)測(cè)提高目標(biāo)點(diǎn)的灰度值。若灰度差小于閾值P，則背景較均勻，該像素點(diǎn)可能為背景點(diǎn)，為了使背景預(yù)測(cè)值接近背景實(shí)際灰度值同時(shí)減少算法運(yùn)算量，采用背景預(yù)測(cè)窗口較小的固定權(quán)值背景預(yù)測(cè)[11]進(jìn)行快速預(yù)測(cè)。本研究的自適應(yīng)背景算法對(duì)圖像進(jìn)行背景預(yù)測(cè)時(shí)，針對(duì)圖像本身灰度特性，選取不同的模型進(jìn)行預(yù)測(cè)，不僅起到了抑制背景雜波和突出目標(biāo)點(diǎn)對(duì)比度的作用，而且減少了算法運(yùn)算量，更有利于實(shí)時(shí)性能的提高。

2.2 檢測(cè)算法流程

該方法首先對(duì)連續(xù)四幀圖像進(jìn)行預(yù)處理，得到四幀殘差圖，對(duì)得到的殘差圖交叉差分得到兩幀差分圖像。其次對(duì)兩幀差分圖像進(jìn)行自適應(yīng)閾值分割得到兩幀二值圖像，對(duì)兩幀二值圖像進(jìn)行邏輯“與”操作得到一幀二值圖像。最后采用形態(tài)學(xué)開運(yùn)算，完成弱小目標(biāo)的檢測(cè)。檢測(cè)算法流程如圖2所示。

圖2 檢測(cè)算法流程圖

Setp1預(yù)處理。讀取四幀連續(xù)圖像，圖像A和圖像B分別為弱小目標(biāo)析出前的連續(xù)兩幀圖像，圖像C和圖像D是目標(biāo)析出后的連續(xù)兩幀圖像，其中圓圈代指目標(biāo)。對(duì)讀取的連續(xù)4幀圖像進(jìn)行自適應(yīng)背景預(yù)測(cè)，得到四幀預(yù)測(cè)圖像，原始圖像與得到的預(yù)測(cè)圖像作幀差運(yùn)算，最終得到4幀預(yù)測(cè)殘差圖像。其中閾值P取19。

Setp2交叉差分運(yùn)算。對(duì)得到的4幀預(yù)測(cè)殘差圖進(jìn)行交叉差分運(yùn)算，得到兩幀差分圖像。鎂合金熔液中弱小目標(biāo)經(jīng)歷了從無到有的過程，采用交叉差分運(yùn)算可以實(shí)現(xiàn)弱小目標(biāo)的定位檢測(cè)。

Setp3自適應(yīng)閾值分割。閾值分割即通過設(shè)置門限閾值T將圖像中像素點(diǎn)的灰度值設(shè)置為0或255，使圖像呈現(xiàn)出明顯的黑白效果[8]，同時(shí)閾值分割消除了經(jīng)過交叉差分圖像中的類目標(biāo)點(diǎn)和噪聲點(diǎn)。根據(jù)圖像特性進(jìn)行自適應(yīng)閾值選取，即閾值T=mean+λσ，其中，mean為圖像的均值，σ為圖像的均方差，λ為閾值分割加權(quán)系數(shù)，通常取2～15，本研究λ取4.5。

Setp4邏輯“與”操作。對(duì)經(jīng)過自適應(yīng)閾值分割后的二值圖像進(jìn)行邏輯與“與”操作，可消除一些僅在單幀圖像中出現(xiàn)的虛警點(diǎn)。

Setp5形態(tài)學(xué)開運(yùn)算。形態(tài)學(xué)開運(yùn)算包括腐蝕和膨脹兩步，先對(duì)邏輯“與”操作后的圖像進(jìn)行腐蝕操作去除比結(jié)構(gòu)元素小的雜點(diǎn)和噪聲點(diǎn)，再進(jìn)行膨脹操作還原目標(biāo)區(qū)域的灰度級(jí)[12]，獲得最終檢測(cè)結(jié)果。本研究選用結(jié)構(gòu)元素為3 Pixel×1 Pixel垂直結(jié)構(gòu)元素。

3 實(shí)驗(yàn)結(jié)果分析

本實(shí)驗(yàn)利用構(gòu)建的DSP圖像處理平臺(tái)，在集成開發(fā)軟件 CCS 3.3上采用C語言編寫弱小目標(biāo)檢測(cè)程序，編譯成功后生成.OUT可執(zhí)行文件。通過仿真器把生成的可執(zhí)行文件下載到DSP芯片的RAM中，并在CCS中運(yùn)行Main程序，對(duì)目標(biāo)析出前的三幀原始圖像和目標(biāo)析出后的一幀原始圖像進(jìn)行仿真實(shí)驗(yàn)。圖像大小為560 Pixel×530 Pixel，CCS3.3集成開發(fā)軟件是在Intel(R)Core(TM)i5-3210M的PC機(jī)上運(yùn)行的，主頻2.5 GHz，內(nèi)存2 GB。

在相同實(shí)驗(yàn)條件下，將文獻(xiàn)[7]中提到的中值濾波算法和自適應(yīng)背景預(yù)測(cè)算法分別應(yīng)用于本研究的檢測(cè)中。分別實(shí)驗(yàn)50次，并將對(duì)兩種算法在目標(biāo)面積、虛警次數(shù)、預(yù)處理的時(shí)間三個(gè)方面進(jìn)行對(duì)比，目標(biāo)點(diǎn)面積由目標(biāo)點(diǎn)所占像素的個(gè)數(shù)來體現(xiàn)，目標(biāo)點(diǎn)所占像素個(gè)數(shù)越多，則目標(biāo)點(diǎn)面積越大，越能體現(xiàn)目標(biāo)點(diǎn)真實(shí)大小。兩種算法的圖像檢測(cè)性能對(duì)比見表1，表1中數(shù)據(jù)是50組實(shí)驗(yàn)數(shù)據(jù)的平均值。

表1 兩種算法的圖像檢測(cè)性能對(duì)比

從表1中可看出：與中值濾波算法相比，自適應(yīng)背景預(yù)測(cè)算法對(duì)四幀圖像預(yù)處理時(shí)間縮短了3.65 s，算法速度得到提高；檢測(cè)到的目標(biāo)面積增加了4個(gè)像素點(diǎn)，有利于目標(biāo)點(diǎn)的觀察；在50次試驗(yàn)中，中值濾波算法出現(xiàn)3次虛警，虛警概率[13]為6%，而本研究算法50次全部檢測(cè)到目標(biāo)，沒有虛警，檢測(cè)率為100%。說明自適應(yīng)背景預(yù)測(cè)算法穩(wěn)定性和準(zhǔn)確性更強(qiáng)，更有利于復(fù)雜背景下弱小目標(biāo)的檢測(cè)。圖3為目標(biāo)析出前的原始圖像，圖4為目標(biāo)析出后的原始圖像，圖5為檢測(cè)結(jié)果，其中白色方框內(nèi)為弱小目標(biāo)。

圖4 目標(biāo)析出后的原始圖像

圖5 檢測(cè)結(jié)果

4 結(jié) 語

1) 提出的基于DSP的自適應(yīng)背景預(yù)測(cè)檢測(cè)方法，應(yīng)用于鎂合金熔液中弱小目標(biāo)的檢測(cè)，能快速有效地檢測(cè)到弱小目標(biāo)。

2) 在DSP圖像處理系統(tǒng)平臺(tái)上，自適應(yīng)背景預(yù)測(cè)算法與中值濾波算法相比，預(yù)處理時(shí)間減少22%。目標(biāo)面積增大了2.3倍，更便于目標(biāo)點(diǎn)的觀察。同時(shí)，虛警率降低了6%，檢測(cè)率為100%，為圖像處理應(yīng)用于復(fù)雜背景下弱小目標(biāo)實(shí)時(shí)檢測(cè)提供了新的方向。

[1] 管志強(qiáng),陳錢,錢惟賢,等.一種基于算法融合的紅外目標(biāo)跟蹤方法[J].光學(xué)學(xué)報(bào),2008,28(5):860-865.

[2] 楊琳娜,安瑋,林再平,等.基于空間距離改進(jìn)的視覺顯著性弱小目標(biāo)檢測(cè)[J].光學(xué)學(xué)報(bào),2015,35(7):0715004.

[3] 劉騰飛,許四祥,馮在東.基于自適應(yīng)背景預(yù)測(cè)的鎂熔液第一氣泡檢測(cè)算法[J].特種鑄造及有色合金,2012,32(1):89-92.

[4] 張炳剛,許四祥,侍海東.基于支持向量機(jī)的鎂熔液弱小目標(biāo)檢測(cè)[J].特種鑄造及有色合金,2015,35(8):886-889.

[5] 張炳剛,許四祥,侍海東.基于小波變換圖像融合的鎂熔液弱小目標(biāo)檢測(cè)[J].安徽工業(yè)大學(xué)學(xué)報(bào),2015,32(1):55-59.

[6] 李正周,田蕾,鄭微.基于DSP的序列圖像弱小運(yùn)動(dòng)目標(biāo)檢測(cè)[J].計(jì)算機(jī)技術(shù)與應(yīng)用,2011,37(7):134-137.

[7] 侍海東,許四祥,王忍寶.基于DM642圖像處理的鎂熔液第一起泡檢測(cè)[J].鑄造,2015,64(5):437-439.

[8] 趙小強(qiáng).DSP原理及圖像處理應(yīng)用[M].北京:人民郵電出版社,2013:26.

[9] 許永輝,楊京禮,林連雷.TMS320DM642DSP原理與應(yīng)用實(shí)踐[M].北京:電子工業(yè)出版社,2012:12-13.

[10] 陳振學(xué),汪國(guó)有.基于自適應(yīng)背景預(yù)測(cè)的紅外弱小目標(biāo)檢測(cè)算法[J].激光與紅外,2005,35(8):608-610.

[11] 朱斌,樊祥,馬東輝,等.基于固定權(quán)值背景預(yù)測(cè)的紅外弱小目標(biāo)檢測(cè)[J].艦船電子對(duì)抗,2008,31(1):54-56.

[12] 岡薩雷斯.數(shù)字圖像處理 [M].阮秋奇,譯.北京:電子工業(yè)出版社,2007:449.

[13] 徐軍.紅外圖像中弱小目標(biāo)檢測(cè)技術(shù)研究[D].西安:西安電子科技大學(xué),2003.