專利名稱：基于傅立葉光學(xué)的微小目標(biāo)檢測儀及檢測方法
技術(shù)領(lǐng)域：
發(fā)明涉及一種基于傅立葉光學(xué)的微小目標(biāo)檢測儀及檢測方法，屬于圖像信號(hào)獲取
與處理領(lǐng)域。
背景技術(shù)：
在視頻目標(biāo)跟蹤、工業(yè)產(chǎn)品檢測等應(yīng)用中，常常需要對(duì)運(yùn)動(dòng)目標(biāo)進(jìn)行跟蹤和識(shí)別。 當(dāng)目標(biāo)距離成像系統(tǒng)較遠(yuǎn)時(shí)，目標(biāo)的像只占據(jù)場景圖像中單個(gè)或者幾個(gè)像素，這類微小尺 寸目標(biāo)的形態(tài)特征就近似與一個(gè)點(diǎn)目標(biāo)。由于成像過程中往往會(huì)受到噪聲和外界環(huán)境干擾 等的影響，使得微小目標(biāo)接近圖像中的隨機(jī)噪聲，從而增加了識(shí)別和提取的難度。
目前在微小目標(biāo)的提取和識(shí)別的方法上，首先在成像傳感器上采用高空間分辨率 的攝像頭來減少微小目標(biāo)成像過程中的干擾和噪聲。通過詳細(xì)的記錄場景中的細(xì)節(jié)信息來 提高后續(xù)微小目標(biāo)的識(shí)別處理的準(zhǔn)確度。而高分辨率攝像頭造價(jià)都比較高，在實(shí)際應(yīng)用中 難以得到推廣。 其次在提取識(shí)別算法上，該類算法建立在兩大假設(shè)上一是目標(biāo)與背景存在相對(duì) 運(yùn)動(dòng)，通過運(yùn)動(dòng)的差異來區(qū)分微小目標(biāo)和背景；通常采用的方法有光流場法，濾波器法等。 光流場法的計(jì)算量巨大，在實(shí)時(shí)監(jiān)測中難以滿足速度的要求，同時(shí)該方法很難識(shí)別出微小 目標(biāo)的存在。當(dāng)目標(biāo)在相鄰幀之間的運(yùn)動(dòng)距離小于一個(gè)像素時(shí)，光流場法將檢測不出目標(biāo) 的移動(dòng)，從而無法識(shí)別出目標(biāo)；濾波法是依據(jù)運(yùn)動(dòng)目標(biāo)速度高于背景運(yùn)動(dòng)速度的思想，將微 小目標(biāo)作為時(shí)域高頻成份，而背景是低頻成份，因此采用時(shí)域高通濾波器提取微小目標(biāo)。這 樣的方法簡單易行但是需要背景和目標(biāo)之間存在相對(duì)大的運(yùn)動(dòng)速度差異，而對(duì)于相對(duì)與背 景靜止的微小目標(biāo)該方法則不能取得理想的檢測效果。二是背景的可預(yù)測性，通過預(yù)測背 景模型和去除背景提取小目標(biāo)。常用的方法有相關(guān)預(yù)測法，該方法是通過前后幀的相關(guān)性 來預(yù)測出背景模型，采用當(dāng)前場景圖像減去預(yù)測的背景圖像獲得目標(biāo)的精確位置從而識(shí)別 微小目標(biāo)的存在。該方法適用范圍較廣，但是該方法會(huì)對(duì)背景的變化速度有所限制，只有緩 慢變換或者基本不變的背景才是有效的，而且需要相關(guān)場景的配準(zhǔn)才能準(zhǔn)確的去除背景。 以上的方法的共同缺點(diǎn)是當(dāng)微小目標(biāo)和背景之間相對(duì)靜止，或者運(yùn)動(dòng)差異較小時(shí)提取微 小目標(biāo)的能力較差。 在昆蟲視覺系統(tǒng)的啟發(fā)下，首先是模擬昆蟲復(fù)眼結(jié)構(gòu)的成像裝置層出不窮，大視 場是該類成像裝置的主要優(yōu)點(diǎn)。其次是利用昆蟲對(duì)運(yùn)動(dòng)的敏感性，模擬復(fù)眼內(nèi)部神經(jīng)處理 機(jī)制實(shí)現(xiàn)目標(biāo)的運(yùn)動(dòng)檢測。隨著生物分析手段的不斷提高，人們發(fā)現(xiàn)昆蟲視覺系統(tǒng)在微小 目標(biāo)的提取和識(shí)別上具有獨(dú)特的敏銳性。同時(shí)這樣的敏銳性在準(zhǔn)確度和簡易性上大大超 越了目前現(xiàn)有的信號(hào)處理算法，本發(fā)明利用復(fù)眼這種特性來識(shí)別微小目標(biāo)的算法還未見報(bào) 道。 分析復(fù)眼的結(jié)構(gòu)可以知道復(fù)眼是由成千上萬只小孔徑眼組成，小眼之間由于受 到衍射和干涉的影響，獲取的場景圖像分辨率都較低。2006年Nordstrom K等人發(fā)現(xiàn)了在 雌性岈蠅的視覺系統(tǒng)中存在一種微小目標(biāo)探測神經(jīng)元，它可以在目標(biāo)和背景之間無相對(duì)運(yùn)動(dòng)的情況下探測到微小目標(biāo)的存在，而這類目標(biāo)的尺寸一般都小于或等于一個(gè)光感受器的 視野范圍。隨后Steven D.等人構(gòu)建出了該神經(jīng)細(xì)胞的物理模型。他指出不論目標(biāo)與背景 之間是否存在相對(duì)運(yùn)動(dòng)，微小目標(biāo)是否可以被檢測的關(guān)鍵在于它的空間統(tǒng)計(jì)特性是否足夠 突出，以至于可以通過高度非線性濾波器檢測出來。綜上所述可知昆蟲復(fù)眼中的神經(jīng)元對(duì) 圖像的對(duì)比度具有極高的敏感性，目標(biāo)可否被發(fā)現(xiàn)完全取決于目標(biāo)所在范圍內(nèi)的局部對(duì)比 度。同時(shí)復(fù)眼在微小目標(biāo)的選取過程中有效的結(jié)合了局部空間抑制機(jī)理，當(dāng)目標(biāo)的尺寸稍 大時(shí)小眼對(duì)目標(biāo)的選擇性將大大降低。 復(fù)眼針對(duì)微小目標(biāo)提取和識(shí)別的獨(dú)特性在于1.復(fù)眼視網(wǎng)膜圖像的低分辨率特 性很好的降低了背景噪聲的干擾。2.小眼圖像的局部性，在較小的小眼視網(wǎng)膜圖像中背景 的灰度值近似相同，而微小目標(biāo)的尺寸只占據(jù)一個(gè)或者幾個(gè)像素，小眼的單獨(dú)處理可以避 免人工處理時(shí)需要考慮到的復(fù)雜空間交互影響等問題。3.復(fù)眼視網(wǎng)膜具有快速恢復(fù)的特 點(diǎn)，快速變換的背景在復(fù)眼看來都是緩慢的，甚至可以忽略認(rèn)為是靜止的。這樣大大簡化了 對(duì)快速運(yùn)動(dòng)的復(fù)雜背景的預(yù)測和抑制處理。4小眼神經(jīng)細(xì)胞的自適應(yīng)機(jī)制可以對(duì)反復(fù)出現(xiàn) 的紋理信息起到抑制的作用，減少了背景紋理對(duì)微小目標(biāo)提取的干擾。5.復(fù)眼檢測微小目 標(biāo)較傳統(tǒng)的數(shù)字信號(hào)處理方法具有簡單，快速等特點(diǎn)，是信號(hào)處理算法無法比擬的。

發(fā)明內(nèi)容
本發(fā)明目的是針對(duì)現(xiàn)有技術(shù)存在的缺陷提供一種基于傅立葉光學(xué)的微小目標(biāo)檢 測儀及檢測方法。 本發(fā)明為實(shí)現(xiàn)上述目的，采用如下技術(shù)方案 本發(fā)明基于傅立葉光學(xué)的微小目標(biāo)檢測儀，其特征在于包括圖像獲取預(yù)處理模 塊、圖像配準(zhǔn)模塊和微小目標(biāo)檢測和輸出模塊，其中圖像獲取預(yù)處理模塊由n個(gè)圖像獲取 預(yù)處理子模塊組成，每個(gè)圖像獲取預(yù)處理子模塊都由CCD攝像頭串接可編程視頻信號(hào)處理 器構(gòu)成；圖像配準(zhǔn)模塊由兩個(gè)SRAM存儲(chǔ)芯片和FPGA芯片組成；微小目標(biāo)檢測和輸出模塊 由兩個(gè)FLASH芯片和DSP芯片組成；n個(gè)可編程視頻信號(hào)處理器的輸出端分別接FPGA芯片 的輸入端，兩個(gè)SRAM存儲(chǔ)芯片和FPGA芯片雙向通信連接，F(xiàn)PGA芯片和兩個(gè)FLASH芯片分 別與DSP芯片雙向通信連接，其中n為自然數(shù)。 所述的基于傅立葉光學(xué)的微小目標(biāo)檢測儀的檢測方法，其特征在于采用CCD攝 像頭獲取小眼圖像，將所述小眼圖像經(jīng)過可編程視頻信號(hào)處理器預(yù)處理后輸出至FPGA芯 片依次完成配準(zhǔn)參數(shù)的估計(jì)和拼接處理、仿生物視覺的非線性壓縮處理得到壓縮后的圖 像，采用DSP芯片將所述壓縮后的圖像經(jīng)過微小目標(biāo)存在性分析和識(shí)別提取處理后輸出微 小目標(biāo)圖像。 本發(fā)明采用的多個(gè)普通CCD攝像頭、DSP芯片、FPGA芯片及存儲(chǔ)芯片和相關(guān)的仿生 處理算法，實(shí)現(xiàn)復(fù)雜場景下的微小目標(biāo)檢測。充分利用生物視覺機(jī)理，避免了普通信號(hào)處理 方法復(fù)雜性的缺點(diǎn)。同時(shí)該方法可以對(duì)復(fù)雜背景下的微小目標(biāo)進(jìn)行探測，不論該目標(biāo)與背 景之間是否存在相對(duì)運(yùn)動(dòng)。該目標(biāo)檢測裝置大大降低了成本，避免了普通計(jì)算方法的復(fù)雜 性，同時(shí)可以通過改進(jìn)CCD的排列方式增加場景面積。 本發(fā)明構(gòu)建了一種基于傅里葉光學(xué)的微小目標(biāo)檢測裝儀。該裝置模擬昆蟲復(fù)眼 獲取和處理信息過程中基于對(duì)比度的微小目標(biāo)識(shí)別方法，采用多部普通的CCD照攝像機(jī)在
5DSP芯片與FPGA芯片的輔助下模擬復(fù)眼神經(jīng)處理信息的方式，實(shí)現(xiàn)復(fù)雜場景下微小目標(biāo)的 高準(zhǔn)確率檢測和識(shí)別。昆蟲的視覺神經(jīng)細(xì)胞在功能上基本可以近似為不同類型的濾波器， 這些濾波器組成了針對(duì)特定尺寸目標(biāo)的最佳匹配濾波器。 本發(fā)明首先具有成本低，計(jì)算復(fù)雜性低，原理簡單靈活等特點(diǎn)。其次本發(fā)明不受目 標(biāo)運(yùn)動(dòng)速度的限制，對(duì)于靜止在場景中或者具有和場景相同運(yùn)動(dòng)速度的微小目標(biāo)同樣可以 檢測到它的存在。最后本發(fā)明抗噪聲干擾性強(qiáng)，對(duì)復(fù)雜背景具有一定的魯棒性。


附圖l:本發(fā)明的硬件邏輯圖；附圖2:本發(fā)明算法流程方框圖；附圖3:配準(zhǔn)流程圖；附圖4:仿復(fù)眼微小目標(biāo)檢測流程圖；附圖5:SAA7111電路圖；附圖6:CCD攝像機(jī)與視頻信號(hào)轉(zhuǎn)換芯片連接圖附圖7:DSP與FLASH的連接圖。
具體實(shí)施例方式
下面結(jié)合附圖對(duì)發(fā)明的技術(shù)方案進(jìn)行詳細(xì)說明 圖1顯示了硬件邏輯圖，主要有三個(gè)模塊組成，由可編程視頻信號(hào)處理器SAA7113 與三個(gè)MV-VS078 FM/FC型號(hào)的CCD攝像頭組成的圖像獲取預(yù)處理模塊，此處以三個(gè)CCD攝 像頭為例；Apex系列的EP20K600EBC652的FPGA芯片與兩個(gè)SRAM芯片組成的圖像配準(zhǔn)模 塊；32位浮點(diǎn)DSP TMS320C6711B芯片與兩片F(xiàn)LASH芯片組成的微小目標(biāo)檢測和輸出模塊。
本發(fā)明采用型號(hào)為MV-VS078 FM/FC的黑白高速工業(yè)CCD相機(jī)攝像頭，分辨率為 1024X768，幀速率為30幀每秒，采用標(biāo)準(zhǔn)的鏡頭接口。具有信號(hào)穩(wěn)定，CPU資源占用少， 多臺(tái)相機(jī)可同時(shí)連接到一個(gè)CPU上等特點(diǎn)，適合智能交通，機(jī)器視覺等應(yīng)用領(lǐng)域?？删幊?視頻信號(hào)處理器SAA7111采用的CMOS工藝，該芯片內(nèi)部包括了兩路模擬信號(hào)處理通道，可 以選擇視頻源，同時(shí)可以實(shí)現(xiàn)數(shù)模變換、多制式變換和抗混疊濾波等，另外對(duì)亮度、對(duì)比度 和飽和度進(jìn)行控制。DSP芯片TMS320C6711B的主頻為150腿z，內(nèi)部集成硬件乘法器和累 加器，適用于計(jì)算量大、實(shí)時(shí)性高的數(shù)字圖像處理領(lǐng)域。FPGA芯片采用的是Apex系列的 EP20K600EBC652。該款芯片具有高速度(622MHz的數(shù)據(jù)速率)、高密度(有效邏輯60萬 門)、低噪聲和低功耗的特點(diǎn)。具有4個(gè)PLL、480個(gè)I/0 口，工作電壓為2. 5V和1. 8V。
圖2是算法的流程圖。配合圖4的詳細(xì)流程圖可以看到在CCD攝像頭獲取了三幅 小眼圖像之后首先由可編程視頻信號(hào)處理器完成基本的圖像讀取，同步，放大，抗混疊等預(yù) 處理。其次是FPGA芯片和兩個(gè)存儲(chǔ)芯片配合完成配準(zhǔn)參數(shù)的估計(jì)和拼接處理、仿生物視覺 的非線性壓縮處理兩項(xiàng)任務(wù)。最后是DSP芯片上實(shí)現(xiàn)微小目標(biāo)存在性分析和識(shí)別提取處 理。 本專利中采用的配準(zhǔn)方法是一種基于傅里葉光學(xué)的配準(zhǔn)方法，配準(zhǔn)后進(jìn)行仿射變 換和拼接得到全景圖像。如圖3所示的配準(zhǔn)與拼接詳細(xì)流程圖。該配準(zhǔn)方法是建立在傅里 葉光學(xué)理論上，假設(shè)圖像中每個(gè)像素的亮度值是周圍相鄰像素的加權(quán)和，其中加權(quán)系數(shù)和像素間的距離成反比例，同時(shí)每個(gè)像素的像素值分布服從高斯分布。由于采用相同類型的CCD成像裝置因此參數(shù)基本相同，那么可以認(rèn)為三個(gè)CCD服從相同方差的高斯分布。反映在圖像中就是某個(gè)像素點(diǎn)上的亮度值受到了一定范圍內(nèi)光流量的影響，同時(shí)也影響了一定范圍內(nèi)像素的亮度值。假設(shè)oA= oB= Oc分別是CCD攝像頭A，B，C的標(biāo)準(zhǔn)差。假設(shè)攝像頭A獲得的圖像為圖像A，圖像A中一個(gè)點(diǎn)(xA，yA)出的亮度值為I(XA，y》。按照高斯分布的假設(shè)該點(diǎn)亮度可以表示為
《+"
1 /(^力)=丄(^力)x爿(^力)x _ e 其中L(xA， yA)是該點(diǎn)處的光流量，A(xA， yA)是該點(diǎn)處的光敏感性。對(duì)于捆綁在-
水
水平面上的三個(gè)時(shí)間同步的攝像頭，在兩兩重疊的區(qū)域的光的流量和敏感性應(yīng)該是一致的。因?yàn)閷?duì)于生物來講，光的敏感性會(huì)隨光照條件的改變而改變，而光的流通量是視網(wǎng)膜透鏡在外界條件相同的條件下受到孔徑控制的。為了便于銜接三副圖像形成同一幅場景圖，圖像B的坐標(biāo)緊接著圖像A的標(biāo)記。那么在A中的點(diǎn)與B中的對(duì)應(yīng)點(diǎn)出的亮度值應(yīng)該相等。但是坐標(biāo)之間相差了 Ay個(gè)像素的位置，而在水平方向上由于固定在一個(gè)面上，因此不涉及到平移問題。于是可以獲得yB_Ay = yA，將上面的高斯亮度分布帶入該等式就有
<formula>formula see original document page 7</formula> ln- A(xA，yA)和A(xB，yB)可以通過該點(diǎn)處周圍的像素灰度值計(jì)算得到。通過前面的分析和假設(shè)該公式可以推導(dǎo)出 由于局部的亮度敏感性和標(biāo)準(zhǔn)差c^等可以通過計(jì)算獲得因此都為常數(shù)。選擇一個(gè)坐標(biāo)點(diǎn)(xA， yA)，那么上面的等式可以變成
A y2+c丄A y = c2 這樣就可以獲得水平方向上的重疊部分的像素個(gè)數(shù)Ay。通過Ay來拼接兩幅圖 結(jié)合圖4中仿生復(fù)眼微小目標(biāo)檢測流程 第一步，視覺非線性壓縮處理對(duì)拼接得到的場景圖像做非線性壓縮，這樣的處理可以壓縮圖像的亮度變化范圍，增大亮度變換的時(shí)間范圍。這里用到的非線性壓縮變換公式是
/"0.7
<formula>formula see original document page 7</formula> 該公式中1。(x，y)是壓縮后的亮度值。該公式分母部分中第二項(xiàng)是采用的移動(dòng)平均的方法，這樣求出來的中點(diǎn)值具有自適應(yīng)性。 第二步，微小目標(biāo)區(qū)域選取。目標(biāo)是否可以被探測出來的關(guān)鍵是目標(biāo)出現(xiàn)的局部場景中的對(duì)比度是否突出。通過計(jì)算局部對(duì)比度&。^(x，y)來選擇可能存在微小目標(biāo)的圖像塊來進(jìn)行處理。局部對(duì)比度C^^(x，y)可以衡量該場景中是否存在可以被識(shí)別的微小目CN
標(biāo)。對(duì)比度較大的位置出現(xiàn)微小目標(biāo)的可能性較大，選擇該位置為被檢測圖像塊的中心位置。這里假設(shè)微小目標(biāo)的尺寸在4個(gè)像素左右。因此局部對(duì)比度為一個(gè)2X2大小圖像塊的局部對(duì)比度，而不是單個(gè)像素。局部對(duì)比度計(jì)算公式如下 Cto/ (X,力=/m _/mm
乂max 'mill " I_n。(X， y)是圖像中一個(gè)以(x， y)為左上角像素的2X2的圖像塊的亮度值的平均。1,是以該圖像塊為中心的6X6大小圖像塊亮度的最大值，Imin是該圖像塊的最小值。e是一個(gè)很小的正數(shù)，這里選擇O. l，來保證分母不為零。因?yàn)檫@樣的對(duì)比度是建立在空間分辨率較低的場景圖像上的，因此噪聲在圖像獲取過程中被視覺濾波處理平滑掉了。同時(shí)隨機(jī)噪聲通常是以單個(gè)像素出現(xiàn)的，這樣的2X2像素塊的對(duì)比度消除了噪聲對(duì)對(duì)比度的影響，保證了微小目標(biāo)的識(shí)別和檢測的正確率。圖像中局部對(duì)比度較高的部分被認(rèn)為是有可能出現(xiàn)微小目標(biāo)的部位，默認(rèn)對(duì)比度的平均值作為閾值，當(dāng)局部對(duì)比度小于這個(gè)閾值時(shí)該位置上的圖像塊不進(jìn)行目標(biāo)檢測。 第三步，對(duì)選為被分析的圖像區(qū)域求平均，采用需要進(jìn)行目標(biāo)檢測的局部圖像塊為中心的6X6區(qū)域圖像塊亮度F的平均亮度Ithred作為閾值分別在水平方向上和垂直方向上分出on圖和off圖，其中p二 1 : 6;q=l : 6。這樣做對(duì)于暗目標(biāo)來說，不論在水平方向還是垂直方向上都會(huì)落入off圖中，亮目標(biāo)則相反。而在on圖中低于閾值的區(qū)域被設(shè)為閾值。所以兩個(gè)通道的亮度變化極性是不同的。on圖中亮度的范圍是[thred，l]，而在off圖中亮度的變化范圍是[O，thred]。為了方便后面的計(jì)算，將off圖的極性變?yōu)檎７抡丈镆曈X的特性，求該像素塊的周圍亮度梯度
Ithred = mean (F)，
Fon = F-Ithred，
Foff = -F-Ithred， AFhon = 2XF。n(p， q)-F加(p， q+l)-F。n(p， q+2)，
AFvon = 2XF。n(p， q)-F。n(p+l， q)-F。n(p+2， q)，
AFh。ff = 2XF。n(p， q)_F。n(p， q+l)_F。n(p， q+2)，
AFv。ff = 2XF。n(p， q)_F。n(p+l， q)_F。n(p+2， q)， 其中A Fv。n， A Fv。ff分別是on圖和off圖上垂直方向的梯度，同理A Fh。n， A Fh。ff是水平方向上的梯度。由于復(fù)眼的孔徑小，視網(wǎng)膜圖像的高頻成份會(huì)丟失，造成邊緣不清晰。因此在求取圖像塊亮度梯度時(shí)不僅在邊緣外側(cè)最鄰近處求梯度，同時(shí)還考慮次相鄰的位置。t隨著梯度的極性變換是按照生物神經(jīng)元的機(jī)理在亮度增加時(shí)神經(jīng)元可以快速的上電，而對(duì)亮度降低時(shí)神經(jīng)元?jiǎng)t需要慢慢放電，這樣的機(jī)制產(chǎn)生響應(yīng)只對(duì)對(duì)比度極性發(fā)生改變時(shí)才出現(xiàn)，而對(duì)重復(fù)的紋理信息的有一定的平滑作用。 第四步，融合處理將水平方向和垂直方向上的兩個(gè)通道信號(hào)分別通過池細(xì)胞融合在一起，然后將融合的結(jié)果再次融合就可以得到最后目標(biāo)的輸出。這里假設(shè)先考慮暗目標(biāo)，分析水平方向圖像中從左到右先是亮度的降低然后是亮度的增加，中間相隔若干個(gè)像素的距離。所以融合的公式可以寫作
<formula>formula see original document page 8</formula>
<formula>formula see original document page 9</formula> 其中，t是自適應(yīng)參數(shù)，當(dāng)梯度為正時(shí)，t = 1 ;當(dāng)梯度為負(fù)時(shí)，t = 100。 Sh s;1
代表平移變換，下標(biāo)h， v分別代表的是水平方向和垂直方向，而上標(biāo)p和q是水平平移量和 垂直平移量。Fh代表水平方向上將off圖平移，再與on圖相乘后的結(jié)果。同理Fv代表垂 直方向上的結(jié)果。如果該圖像塊中沒有存在微小目標(biāo)，那么水平方向上off圖像或者on圖 像中就會(huì)缺乏一個(gè)邊緣而不能構(gòu)成閉合區(qū)域，相乘后結(jié)果為零。如果水平方向上的融合輸 出不為零，說明該方向上存在一對(duì)邊緣。垂直方向上同理。因此將兩個(gè)正交方向采用邏輯 與的方式融合得到第(i，j)位置上的輸出out(i，j)，若out(i，j)不為零，說明存在微小目 標(biāo)。<formula>formula see original document page 9</formula> 附圖5描述的是一路可編程視頻信號(hào)處理器SAA7111的電路圖，以CCD1為例，圖 像信號(hào)通過CVBS1電容C98接入到SAA7111芯片的圖像信號(hào)的輸入口"4"腳，"5"腳禾P"6" 腳通過電容C99，C100接地。"37"腳和"8"腳直接接地；第"40"腳是該芯片的復(fù)位信號(hào)輸 入端，連接SAA7113H RST。第"18"腳VDDE1，"34"腳VDDE2，"29"腳VDDD1禾口"33"腳VDDDA 接3. 3V的電源位芯片供電；"10"腳到"42 "腳對(duì)應(yīng)的CDDAO VDDA2通過電容組C101 C103， CT104 106與電感FERRITE-BEAK2組成的濾波器接地，XTAL和XTAL1腳分別接在 晶振Y1的兩端，它們?yōu)樾酒峁r(shí)鐘頻率信號(hào)。芯片上的VPOO VP07，RTS0，RTS1，TRC0， SCL，SDA等管腳是要連接到FPGA的信號(hào)輸入端口上作為信號(hào)傳輸使用的。VSSAO VSSA2 管腳，VSS1 5等管腳直接接地。其余兩路數(shù)據(jù)信號(hào)連接方式同上。該芯片為FPGA提供 YUV格式的數(shù)字圖像信號(hào)。 附圖6是CCD攝像頭與視頻信號(hào)處理芯片的連接圖。每個(gè)CCD將數(shù)據(jù)通過D+和 D-輸入到電路板上，同時(shí)輸入相應(yīng)的控制信號(hào)和正負(fù)電壓。電路板上的三個(gè)接口分別是 CZ1、 CZ2、 CZ3。三個(gè)CCD的端口分別標(biāo)記為Portl、 Port2、 Port3。 Portl對(duì)應(yīng)CZ1 ;Port2 對(duì)應(yīng)CZ2 ;Port3對(duì)應(yīng)CZ3。 附圖7中DSP芯片TMS320C6711B的CEO連接到FLASHROM的CS端，選擇存儲(chǔ)空間。 輸出使能端AOE連接到閃存的OE端，寫使能端AWE端連接到閃存的WE端，EA2 EA21的 地址信號(hào)連接到AO A19上，作為閃存的讀入地址，EDO ED15的數(shù)據(jù)與FLASHROM的數(shù) 據(jù)端DO D15連接。閃存上的CS端和RY/BY端經(jīng)過一個(gè)邏輯或門連接到DSP的ARDY端。
本發(fā)明是基于傅立葉光學(xué)理論設(shè)計(jì)，并采用多個(gè)普通的CCD攝像頭、可編程視 頻信號(hào)處理器、FPGA+DSP芯片組成具有微小目標(biāo)檢測的成像裝置。其中CCD采用的是 MV-VS078 FM/FC型號(hào)的黑白CCD攝像頭，將他們排列在一個(gè)水平面上以便獲得較寬范圍的 場景圖像。通過FPGA和DSP芯片上的仿生算法來實(shí)現(xiàn)對(duì)微小目標(biāo)識(shí)別和探測的處理過程。 在FPGA中將來自多個(gè)CCD同時(shí)刻獲取的圖像進(jìn)行拼接，獲得比單CCD視野更大的場景圖 像。在DSP芯片上的模擬復(fù)眼神經(jīng)處理算法中，采用分割圖像塊來虛擬若干個(gè)小眼面，每個(gè) 小眼對(duì)應(yīng)于一個(gè)由少量光感受器組成的陣列。該感光器陣列可以檢測出它所觀察的小區(qū)域 內(nèi)是否存在微小目標(biāo)。其中每個(gè)光感受器對(duì)應(yīng)一個(gè)像素。 由于小眼的入射孔徑很小，一般為2度，所以小眼獲得圖像的分辨率較低。而在探 測微小目標(biāo)的時(shí)候，目標(biāo)被識(shí)別的關(guān)鍵不在于圖像分辨率的高低，而是目標(biāo)所在周圍的對(duì) 比度決定的，因此分辨率的好壞對(duì)探測效果影響并不大。本專利采用了分辨率較低的普通CCD攝像頭，在獲得的場景圖像質(zhì)量上近似于復(fù)眼的低分辨率圖像。實(shí)現(xiàn)了低成本、高準(zhǔn)確 率的提取和識(shí)別微小目標(biāo)的圖像傳感器裝置。
考慮到生物在視覺上表現(xiàn)出來的特點(diǎn)有 生物視覺對(duì)于光極性的變化非常敏感的。在目標(biāo)邊緣區(qū)域在響應(yīng)程度比其他區(qū) 域強(qiáng)烈，如果場景中存在微小目標(biāo)，那么目標(biāo)的邊緣相對(duì)于周圍場景的亮度值之間是存在 較大差異的。對(duì)于一個(gè)亮度低的目標(biāo)，僅從水平方向考慮，從左到右的亮度改變應(yīng)該是 亮——暗——亮。那么在微小目標(biāo)通過時(shí)，目標(biāo)的邊緣構(gòu)成了一個(gè)閉合的區(qū)域，因此視網(wǎng)膜 的響應(yīng)也會(huì)成對(duì)的出現(xiàn)兩個(gè)較為強(qiáng)烈的響應(yīng)。 生物視覺是具有快速的自適應(yīng)機(jī)制，即對(duì)亮度的增加視覺神經(jīng)會(huì)快速的記錄下 來，也就是所謂的快速上電；而對(duì)亮度的降低視覺神經(jīng)則不會(huì)立刻衰減到低亮度水平，而是 以較慢的速度降低，即亮度的降低比亮度的增加需要更長的時(shí)間來適應(yīng)，也叫做慢速放電。 因此對(duì)于場景中出現(xiàn)的微小目標(biāo)可以快速記錄，慢速的忘記，針對(duì)紋理信息，視覺響應(yīng)強(qiáng)度 會(huì)隨著紋理的不斷重復(fù)而逐漸減弱，起到了平滑的作用。 依據(jù)以上生物視覺的特性，本發(fā)明將包含了微小尺寸目標(biāo)的小眼視網(wǎng)膜圖像通過 閾值分割成極性相反on圖和off圖，通過兩幅圖的融合來判斷是否存在微小目標(biāo)。大于閾 值的叫做on圖，小于閾值的叫做off圖?？梢娺@樣的分割使得沿微小目標(biāo)邊緣形成了一個(gè) 閉合區(qū)域出現(xiàn)在off圖(暗目標(biāo))或on圖(亮目標(biāo))中。目標(biāo)出現(xiàn)的地方存在兩個(gè)跳變 信號(hào)亮度的增加和降低。通過符號(hào)的變換，可以將本來為負(fù)的off圖轉(zhuǎn)為正以方便后面的 計(jì)算。這兩個(gè)跳變信號(hào)通過中心側(cè)抑制處理，將邊緣處的跳變信號(hào)轉(zhuǎn)化為脈沖信號(hào)，同時(shí)增 加了其他相鄰信號(hào)之間差異。為后續(xù)的融合計(jì)算的準(zhǔn)確性提供了保證。
融合處理時(shí)將平移的off圖與on圖進(jìn)行乘法運(yùn)算，獲得微小目標(biāo)的輸出信號(hào)。如 果同時(shí)存在兩個(gè)脈沖就代表微小目標(biāo)的存在；若只有一個(gè)存在，那么相乘之后就為零。在這 個(gè)過程中，不僅可以獲得微小目標(biāo)是否存在的信息，微小目標(biāo)的尺寸在off圖平移量上也 可以反映出來。 本發(fā)明采用的普通CCD攝像頭、DSP芯片、FPGA芯片及存儲(chǔ)芯片和相關(guān)的仿生處理 算法，實(shí)現(xiàn)復(fù)雜場景下的微小目標(biāo)檢測。充分利用生物視覺機(jī)理，避免了普通信號(hào)處理方法 復(fù)雜性的缺點(diǎn)。同時(shí)該方法可以對(duì)復(fù)雜背景下的微小目標(biāo)進(jìn)行探測，不論該目標(biāo)與背景之 間是否存在相對(duì)運(yùn)動(dòng)。該目標(biāo)檢測裝置大大降低了成本，避免了普通計(jì)算方法的復(fù)雜性，同 時(shí)可以通過改進(jìn)CCD的排列方式增加場景面積。 本發(fā)明仿照復(fù)眼識(shí)別和檢測微小目標(biāo)的原理通過傳統(tǒng)成像裝置和FPGA+DSP芯片 的輔助實(shí)現(xiàn)復(fù)雜場景下微小目標(biāo)的快速探測。本發(fā)明采用三個(gè)固定在同一水平平面上的普 通的工業(yè)CCD攝像頭獲取部分場景圖像，通過電視信號(hào)轉(zhuǎn)換芯片SAA7113H和FPGA做預(yù)處 理，得到完整的場景圖像。采用DSP芯片將處理全景圖像進(jìn)行微小目標(biāo)存在分析。最終得 到目標(biāo)位置的輸出。本發(fā)明的優(yōu)點(diǎn)該發(fā)明設(shè)計(jì)避免了傳統(tǒng)目標(biāo)檢測中濾波器組的不靈活 性和復(fù)雜性，充分利用生物視覺簡單快速的分析原理獲得微小目標(biāo)存在位置信息。同時(shí)依 靠DSP和FPGA芯片組合來快速，靈巧的代替PC機(jī)實(shí)現(xiàn)了微小目標(biāo)探測任務(wù)，可以達(dá)到實(shí)時(shí) 性要求，且具有易于擴(kuò)展等優(yōu)點(diǎn)。
10
權(quán)利要求
一種基于傅立葉光學(xué)的微小目標(biāo)檢測儀，其特征在于包括圖像獲取預(yù)處理模塊、圖像配準(zhǔn)模塊和微小目標(biāo)檢測和輸出模塊，其中圖像獲取預(yù)處理模塊由n個(gè)圖像獲取預(yù)處理子模塊組成，每個(gè)圖像獲取預(yù)處理子模塊都由CCD攝像頭串接可編程視頻信號(hào)處理器構(gòu)成；圖像配準(zhǔn)模塊由兩個(gè)SRAM存儲(chǔ)芯片和FPGA芯片組成；微小目標(biāo)檢測和輸出模塊由兩個(gè)FLASH芯片和DSP芯片組成；n個(gè)可編程視頻信號(hào)處理器的輸出端分別接FPGA芯片的輸入端，兩個(gè)SRAM存儲(chǔ)芯片和FPGA芯片雙向通信連接，F(xiàn)PGA芯片和兩個(gè)FLASH芯片分別與DSP芯片雙向通信連接，其中n為自然數(shù)。
2. —種如權(quán)利要求1所述的基于傅立葉光學(xué)的微小目標(biāo)檢測儀的檢測方法，其特征在 于采用CCD攝像頭獲取小眼圖像，將所述小眼圖像經(jīng)過可編程視頻信號(hào)處理器預(yù)處理后 輸出至FPGA芯片依次完成配準(zhǔn)參數(shù)的估計(jì)和拼接處理、仿生物視覺的非線性壓縮處理得 到壓縮后的圖像，采用DSP芯片將所述壓縮后的圖像經(jīng)過微小目標(biāo)存在性分析和識(shí)別提取 處理后輸出微小目標(biāo)圖像。
3. 根據(jù)權(quán)利要求2所述的基于傅立葉光學(xué)的微小目標(biāo)檢測儀的檢測方法，其特征在于 所述仿生物視覺的非線性壓縮處理方法如下將配準(zhǔn)參數(shù)的估計(jì)和拼接處理得到的場景圖像I經(jīng)過仿生物視覺的非線性壓縮得到 壓縮后的圖像^。m，s, = 。7 ~~~^ ，其中Im,是采用移動(dòng)平均的方法求得的場景圖像I的中 點(diǎn)值。
4. 根據(jù)權(quán)利要求2所述的基于傅立葉光學(xué)的微小目標(biāo)檢測儀的檢測方法，其特征在于所述微小目標(biāo)存在性分析和識(shí)別提取處理方法包括如下步驟第一步，微小目標(biāo)區(qū)域選取選取與微小目標(biāo)的尺寸相對(duì)應(yīng)的局部圖像塊，以所述局部 圖像塊為中心選取區(qū)域圖像塊，并計(jì)算所述局部圖像塊對(duì)比度Cto;(X，>0= ^;^"'力—/m'n ;將所述壓縮后的圖像的對(duì)比度平均值作為閾值，遍歷所"*max "*tmn "述壓縮后的圖像，當(dāng)局部圖像塊對(duì)比度&"(x，y)大于所述閾值，則局部圖像塊所在區(qū)域進(jìn)行目標(biāo)檢測，否則不進(jìn)行目標(biāo)檢測；其中1_是所述區(qū)域圖像塊亮度的最大值，Imin是所述區(qū)域圖像塊亮度的最小值，I_n。(x， y)是所述壓縮后的圖像中以(x， y)為左上角像素的與微小目標(biāo)的尺寸相對(duì)應(yīng)的圖像塊的平均亮度值，e是一個(gè)很小的正數(shù)保證分母不為零，X，y分別表示所述壓縮后的圖像的行和列，x， y都為自然數(shù)，下同；第二步，對(duì)需要進(jìn)行目標(biāo)檢測的局部圖像塊求平均采用需要進(jìn)行目標(biāo)檢測的局部圖 像塊為中心的區(qū)域圖像塊的平均亮度Ithred作為閾值分別在水平方向上和垂直方向上將 需要進(jìn)行目標(biāo)檢測的局部圖像塊為中心的區(qū)域圖像塊分出on圖和off圖，將on圖和off 圖分別經(jīng)過快速的自適應(yīng)方法處理分別得到水平和垂直方向上的兩個(gè)通道信號(hào)<formula>formula see original document page 2</formula>其中，Shp， S/代表平移變換，下標(biāo)h， v分別代表的是水平平移和垂直平移，上標(biāo)p，和q分別代表水平方向和垂直方向的平移量，AFv。n， AFv。ff分別是on圖和off圖上垂直方向的 梯度，AFh。n， AFh。ff分別是on圖和off圖上水平方向的梯度，F(xiàn)。n、F。ff分別表示on圖和off 圖的亮度，e表示自然對(duì)數(shù)。t是自適應(yīng)參數(shù)，隨著梯度的正負(fù)取不同的值當(dāng)梯度為正時(shí)， t = 1 ;當(dāng)梯度為負(fù)時(shí)，t = 100。第三步，融合處理將第二步所述的兩個(gè)通道信號(hào)分別通過池細(xì)胞融合在一起，然后將 融合的結(jié)果再次融合輸出微小目標(biāo)圖像out(i， j) = FvXFh。
全文摘要
本發(fā)明公布了一種基于傅立葉光學(xué)的微小目標(biāo)檢測儀及檢測方法，所述檢測儀包括圖像獲取預(yù)處理模塊、圖像配準(zhǔn)模塊和微小目標(biāo)檢測和輸出模塊。所述檢測方法采用CCD攝像頭獲取小眼圖像，將所述小眼圖像經(jīng)過可編程視頻信號(hào)處理器預(yù)處理后輸出至FPGA芯片依次完成配準(zhǔn)參數(shù)的估計(jì)和拼接處理、仿生物視覺的非線性壓縮處理得到壓縮后的圖像，采用DSP芯片將所述壓縮后的圖像經(jīng)過微小目標(biāo)存在性分析和識(shí)別提取處理后輸出微小目標(biāo)圖像。本發(fā)明成本低，計(jì)算復(fù)雜性低，原理簡單靈活，不受目標(biāo)運(yùn)動(dòng)速度的限制，對(duì)于靜止在場景中或者具有和場景相同運(yùn)動(dòng)速度的微小目標(biāo)同樣可以檢測到它的存在，抗噪聲干擾性強(qiáng)，對(duì)復(fù)雜背景具有一定的魯棒性。
文檔編號(hào)G01C11/04GK101694385SQ200910232959
公開日2010年4月14日 申請(qǐng)日期2009年10月19日 優(yōu)先權(quán)日2009年10月19日
發(fā)明者凌靜, 徐立中, 李敏, 樊棠懷, 王慧斌, 石愛業(yè) 申請(qǐng)人:河海大學(xué);