[发明专利]一种基于FPGA的红外遥感图像实时目标检测方法

说明书

本发明公开了一种基于FPGA的红外遥感图像实时目标检测方法，该方法主要针对现有舰船检测算法漏检率高、虚警多以及鲁棒性差等问题提出了解决方法。主要由基于梯度卷积模型的粗检测模块、基于傅里叶频谱和SVM的精检测模块组成。本发明在充分分析红外遥感图像中舰船目标自身以及典型虚警特征的基础上，选择能够有效区分舰船目标与典型虚警的可用特征，并结合支持向量机分类算法，构建准确、简单的目标分类模型，结合二维傅里叶变换实现虚警的快速、准确剔除。同时本发明能够减少FPGA逻辑资源和存储资源的消耗，发挥FPGA并行控制优势，从而在占用较少FPGA资源情况下完成高精度目标检测。

技术领域

本发明涉及数字图像处理技术领域，涉及一种基于FPGA的红外遥感图像实时目标检测方法，特别涉及一种红外遥感图像实时目标检测方法在硬件平台上的实现方法。

背景技术

随着我国高分辨率对地观测系统重大专项的实施，红外遥感图像获取技术必将迎来新的发展机遇，有望形成高分辨率、全天时、实时对地观测能力，获得越来越多的红外遥感图像。如何从海量的红外遥感图像中自动、准确、快速地识别出目标，已经成为制约我国航天侦察装备充分发挥军事效能的技术瓶颈，迫切需要科研人员提出有效的解决办法。由于受到海浪、海面杂波以及太阳光反射等多种因素的影响,使得海面场景变得极为复杂,极大的增加了舰船目标检测的难度。

红外遥感舰船检测方法的主要实现方式主要可以分为以下四类：(1)基于灰度阈值分割和灰度统计，这类方法适用于海面纹理均匀，水体灰度较低且舰船与海面对比度较大的情况，但对一些复杂情况如存在大海浪、云层遮挡、舰船黑白极性等情况时，很容易导致虚警，适应能力和鲁棒性较差，检测准确率不高；(2)基于分形模型的舰船检测方法，其利用自然背景和人造背景分形特征的不同进行检测，能够兼顾局部的随机性和全局的规律性，检测结果连通性较好，但由于利用模型表征图像信息而非利用灰度信息，易丢失目标的形状信息，且一般计算复杂度较高，在有云雾干扰情况下，背景自相似性降低，分形模型拟合误差较大；(3)基于图形变换实现检测功能的算法，能够对目标进行多分辨表示，更加符合人眼视觉特征，但多分辨分解只是对低频进行分解，对目标信息所存在的高频则会忽略，虽然目前通过小波变换实现的检测算法能够克服这一缺点，但是计算量大且检测效果不佳。(4)基机器学习和深度学习方法，如利用聚类算法、SVM等将疑似舰船目标分类，利用SSD、YOLO等模型进行训练能够使得检测率较高，虚警率较低，但时将检测算法、聚类算法、模型训练参数等共同移植到嵌入式硬件平台上时，将会消耗大量的存储和计算资源，对硬件实现来说难度比较大。

由于舰船检测算法过程相对比较复杂，当在嵌入式硬件平台上实现时，需要消耗大量的存储、计算单元，这就对硬件平台提出了较高的要求。目前，在嵌入式硬件平台的实现检测算法，按核心处理器件分主要有四类：(1)基于DSP的目标检测方法，但是此方法功耗较大，吞吐量较小，较难实现；(2)基于FPGA的目标检测方法，此方法普遍具有程序开发难度大、开发周期长的缺点；(3)基于嵌入式GPU的检测方法，此方法相较方法一来说实现起来比较容易，但是同样具有高功耗的缺点；(4)基于异构平台架构的目标检测方法，此方法对硬件平台的部署有一定程度的要求。

为设计具有较高处理性能和具备灵活接口扩展能力的图像处理系统，使用FPGA为处理核心的研究逐渐增多。其中，FPGA可以满足多数图像处理应用中的接口需求，并且通过寄存器和组合逻辑实现较强的时序控制能力，虽然FPGA在完成复杂图像处理或目标检测算法时，普遍具有程序开发难度大、开发周期长的缺点，但是FPGA同样具有并行程度高、工作资源功耗低、吞吐量较高等优点。如何实现实时快速地进行图像处理算法，增强时序控制能力并实现图像处理算法的某些复杂功能，有效节省算法在FPGA上逻辑资源和存储资源并降低FPGA上的算法设计复杂度显得尤为重要。

因此，研究一种针对现有舰船检测算法漏检率高、虚警多、鲁棒性差、FPGA资源消耗过高等问题的基于FPGA的红外遥感图像实时目标检测算法具有重要意义。

发明内容