基于NIOSⅡ的红外弱小目标检测算法实现

介绍了基于可编程片上系统SOPC技术的图像处理系统的软硬件设计,系统采用FPGA作为视频信号采集控制模块,利用FPGA内建NIOSⅡ软核微控制器作为图像处理单元。针对天空背景下红外弱小目标,提出了一种基于形态学和仿生学相结合的图像预处理算法,该算法在基于数学形态学滤波的基础上利用人眼固视微动辨别信息的原理对图像进行背景抑制和目标增强;采用自适应阈值分割法确定目标。硬件实验结果表明系统实时性好,图像处理效果良好,目标检测率高,验证了预处理算法的有效性和实时性。     

红外序列图像中小目标实时检测系统设计与实现

针对天空背景下红外序列图像中小目标检测实时性以及工程化的要求,设计了一种基于FPGA+双DSP的实时检测系统,用硬件方式实现了红外图像高通滤波、自适应阈值分割、管道滤波的组合检测算法.通过对实测红外序列图像进行实验表明,该系统能实时、有效的检测25帧/s的低信噪比红外序列图像.     

基于数学形态学的红外图像小目标检测

针对红外成像跟踪系统的低信噪比、背景和噪声干扰严重的小目标图像,以及后续的目标识别处理需要目标的灰度信息的特点,设计了一种基于数学形态学的红外灰度图像小目标检测算法,并用FPGA硬件实现。实验表明,数学形态学滤波能够大大提高目标的信噪比,去除背景和噪声干扰,保留目标的灰度信息,满足系统实时性要求,是一种有效的红外灰度图像小目标检测算法。     

红外点目标图像的两种滤波技术

通过对点目标图像预处理方法的研究,采用基于形态学滤波与维纳差分滤波背景抑制算法,在matlab中利用这2种算法进行红外点目标图像的处理仿真。仿真结果表明形态学滤波有更好的滤波效果,实时性好,易于硬件实现,更适合作为红外图像弱小目标检测的预处理手段。     

多源数据决策技术在红外目标检测中的应用

针对各个滤波算法的适用范围不同,仅仅依靠单一的滤波算法不能适应红外系统的实际需求,提出了复杂背景下红外图像弱小目标的多算法并行处理硬件结构,该结构采用了基于自适应"投票表决"的多源数据决策技术,能根据外场的实际情况自适应地将各种滤波算法的优势集合起来,可以极大地改善滤波效果,提高点目标的检测概率,为后续处理降低数据量及运算量.针对硬件仿真阶段注入原始红外图像数据流困难,无法实时对比图像处理前/后效果的问题,基于Wishbone-PCI桥核设计并实现了以FPGA为主处理器、主机为从处理器的红外图像处理仿真平台.实验表明,多源数据决策技术很好地满足了系统的实际需求,多算法并行处理硬件结构运行稳健有效,硬件仿真平台可靠稳定,整个系统有很强的工程实用价值.     

基于FPGA的小波图像实时处理方法

基于小波变换的滤波方法应用于红外图像处理中可以在降低噪声的同时提升图像细节,有效改善图像画质.介绍了一种采用FPGA的小波图像处理方法及其硬件处理架构.通过合理有效地进行算法硬件设计,在单片FPGA芯片上实现了图像的实时处理,有利于红外机芯的小型化.     

基于十字链表的管道滤波算法设计与实现

根据红外弱小目标检测与跟踪需求,针对目标轨迹建立与滤波问题,给出了序列图像中小目标检测管道滤波的基本思想.利用数据结构设计技术,定义了十字链表数据结结构,在此基础上,设计并实现了一种基于十字链表的管道滤波算法,并以红外小目标图像为样本数据,对算法进行了实验验证.实验表明该算法具有速度快、内存开销小、易于实现和适应性强等特点.     

海空背景下红外图像处理系统设计与实现

分析了对海红外成像特征以及图像处理的技术难点。设计了一种海空背景下对舰船目标进行自动识别和跟踪的图像处理系统。首先,介绍了采用目标跟踪和识别算法并行工作的软件设计,该设计充分融合跟踪和识别处理信息。然后介绍了基于双DSP和FPGA构架的硬件设计,以DSP作为核心处理单元,FPGA 作为控制单元。最后给出了外场试验实验数据,验证了该红外图像处理系统具有良好的实时性和适应性。     

基于热传导理论的背景抑制算法应用研究

针对复杂背景中红外运动目标检测速度慢,检测概率低的问题,对红外图像的背景和目标特性进行了分析,提出了一种基于热传导方程和自适应阈值的红外目标实时检测算法。首先,依据红外图像背景具有各向同性的分形特性,确定采用各向同性的算子对背景进行估计;然后,根据热传导方程和反热传导方程在图像处理中的应用,推导出了用于红外目标检测的背景抑制算子,在此基础上设计了自适应阈值用于红外目标的检测;最后给出了该算法的实验结果,并与基于特征选择性滤波的检测算法做了比较。实验结果表明该算法具有良好的背景抑制和目标增强性能,大幅提升了图像的信噪比,提高了红外运动目标的检测概率,且结构简单,有利于硬件实时实现。     

基于FPGA的凝视红外图像预处理算法的硬件结构设计与实现

介绍了一种针对凝视红外图像预处理应用而设计的FPGA硬件算法结构,该结构充分发挥了FPGA高速、并行计算能力,能在信号读出过程中实时地完成红外图像非均匀性校正(基于定标)、盲元补偿、邻域处理(卷积滤波/中值滤波)以及直方图统计等功能.将该结构应用到凝视红外系统的前端,不需额外占用处理时间,为后端信息处理节约出时间,是一种高效、快速的预处理方案,并在实际的成像实验中得到了验证.     

基于动态规划的红外弱小目标检测算法的硬件实现

提出基于动态规划的红外弱小目标检测算法的硬件实现方法,分析基于动态规划的能量累加原理,阐述了目标识别的过程,分析图像处理所需要的硬件资源,建立FPAG＋DSP硬件处理平台,验证了算法的实时性和可靠性。文中提出的方法解决了大多数算法无法满足实时性要求的问题,为红外弱小目标的检测提供了一个新的思路。     

时空联合红外小目标检测算法的设计与实现

针对小目标检测方法受信噪比影响较大的情况,本文提出了一种时空联合小目标检测方法,通过使用目标的灰度特征,梯度特征,运动特征实现对小目标的检测,并在FPGA平台上完成了硬件实现.实验结果表明,本文提出的算法检测准确性较高,实时性较好,能够实现对红外小目标的实时检测.     

卷积神经网络在目标检测中的应用及FPGA实现

针对传统目标检测算法在复杂背景条件下的对红外弱小移动目标的检测能力弱,虚警率高等问题,提出了一种基于卷积神经网络的目标检测方法,分析了卷积神经网络的结构、特点,将卷积神经网络应用到红外弱小目标检测领域,选择卷积神经网络模型,学习训练学习出合适的模型参数,并将算法在以FPGA为核心的硬件平台上进行移植。实验表明,本文的算法实时性好,硬件移植工作量小,在复杂背景下能够得到目标掩码信息、有效检出目标。     

红外目标检测的形态滤波改进算法及其DSP实现

基于数学形态滤波,提出了一种红外小目标实时检测的算法及其DSP硬件实现技术。首先分析了小目标检测过程,并论述了改进的形态滤波检测算法原理,然后根据算法特点提出了在DSP64X的实现方法和过程,最后给出并分析了该算法在红外探测系统中的运行结果。实验结果表明:该方法可以快速、可靠的检测出极低信噪比下的小目标,满足了系统性能指标。     

红外弱小目标实时检测处理系统

针对红外弱小目标的实时检测,提出了一套基于DSP和FPGA高速乒乓缓存结构的红外实时目标检测系统。该硬件系统以高速乒乓缓存结构为核心,利用基于目标特性的区域生长算法完成对红外弱小目标的检测。实验结果表明,该检测系统对红外弱小目标具有较好的检测效果和较高的实时性,可以实现对红外弱小目标的实时检测。     

基于灰度形态学累加和SUSAN算法的红外弱小运动目标检测

本文提出了一种基于灰度形态学累加和SUSAN算法的红外弱小运动目标检测方法.首先利用Butterworth滤波器对原始红外图像进行高通滤波,得到包含少许噪声点和目标点的处理图像;然后,通过基于灰度形态学的多帧累加的方式进一步提高图像的信噪比;最后利用SUSAN检测算子对多帧累加过的红外图像进行分割并将真实目标检测出来.为了提高小目标检测的实时性,给出了基于FPGA DSP的硬件实现结构.实验表明,该方法能够较好地消除背景和抑制噪声,从而准确有效地检测红外运动弱小目标.     

基于红外运动目标分割的夜视融合系统设计

为了提高夜视系统的质量以及目标探测性能, 设计了红外视频运动目标与可见光融合夜视侦察系统。系统在硬件处理平台上实现了基于人眼视觉的红外运动目标分割算法和基于目标特性的加权融合算法, 采用红外运动目标分割电路和融合处理电路互联的结构, 首先利用FPGA为核心的红外目标分割电路提取红外视频中的运动目标, 然后将只有红外运动目标的视频输入后端DSP融合处理电路中进行融合处理, 最后从系统中输出一系列目标形态突出、背景细节清晰的融合序列。实验结果表明: 该系统可以提高夜视融合系统目标探测性能和探测概率, 融合结果的各项评价指标提高了90%以上, 有的评价指标甚至提高了7倍以上, 可以很大程度地降低系统的虚警率。     

周视IRST系统运动目标检测算法的硬件实现

针对当前周视IRST系统中对运动目标检测的需求,综合考虑系统硬件成本和系统实时处理能力需求,研究了基于帧间差分法的运动目标检测算法,并基于FPGA+DSP硬件处理平台,进行了算法的硬件实现与优化,实验结果表明,该信号处理系统检测性能优异,满足目前IRST系统中对运动目标检测的应用需求。     

轻量化卷积神经网络红外目标识别性能分析与FPGA实现

随着深度学习应用于计算机视觉,其数据量大、网络层结构复杂,在硬件部署中存在资源不足、延时高等成为关键问题,本文通过分析五种较有代表性轻量化网络的优缺点,提出一种将轻量化网络应用到红外目标检测领域的基于MobileNet的轻量化网络改进,并以FPGA为硬件载体实现。该网络使用Tanh激活函数替代原有激活函数并简化网络层数,以适应红外目标的特征提取,针对深度学习目标检测算法在硬件实现方面存在的数据量大,资源占用大,运算延时高等问题,采用FPGA进行硬件实现。实验表明,在Xilinx Zynq-7020 XA开发板上,设定时钟频率100 MHz,输入图像大小为640×512,改进后的MobileNet在保证原相同精度情况下实现5.1 ms每张图像。     

基于FPGA的小波去噪的硬件实现

为了解决传统频域去噪法在光信号处理中单分辨率的局限性,提出了具有多分辨性的小波去噪法,并通过对比验证其有效性。由于小波去噪实现对硬件的要求较高,采用现场可编程门阵列做硬件平台来实现基于分布式算法的小波运算,将复杂的乘法运算转化为简单的并行查表累加过程,提高了运算效率,完成了小波算法的硬件移植。最后设计了基于现场可编程门阵列的采集系统,并在其上进行了小波去噪的硬件验证。结果表明,小波去噪算法在现场可编程门阵列平台上得到了很好的实现,且去噪效果良好。