基于FPGA的实时全方位目标检测方法及系统技术方案

本发明专利技术公开了一种基于FPGA的实时全方位目标检测方法及系统，该方法为：逐行对原始图像I

【技术实现步骤摘要】
基于FPGA的实时全方位目标检测方法及系统
本专利技术属于目标检测领域，具体涉及一种基于FPGA的实时全方位目标检测方法及系统。
技术介绍
目标检测系统在无人搜救、自动监控系统和军事领域有着广泛的应用；目标检测系统的核心问题是小目标检测，小目标检测的主要难点是由于目标形状信息的不足而导致的对目标的精确定位。为了有效地检测出小目标，研究人员提出了一些方法，如MaxMean和Max-Medium滤波器、Top-Hat滤波器和二维最小均方(TDLMS)滤波器等，但这些方法都有缺点。其中：最大均值和最大中值滤波的缺点是：该方法在目标与背景差异较小时不能有效检测出目标。Top-Hat滤波的缺点是：该方法需要选择合适的结构元素，对检测效果影响较大。TDLMS滤波的缺点是：该方法对背景预测精度较差。在算法实现方面，通常使用嵌入式系统进行目标检测。嵌入式系统被称为“专为特定应用而设计的专用计算机系统”，在实时图像处理领域得到了广泛的应用。而其中FPGA以其直接面向用户、灵活性强、通用性强、实现速度快等特点成为最常用的设备本文档来自技高网...

【技术保护点】
1.一种基于FPGA的实时全方位目标检测方法，其特征在于，该方法为：/n逐行对原始图像I

【技术特征摘要】
1.一种基于FPGA的实时全方位目标检测方法，其特征在于，该方法为：
逐行对原始图像Iorig进行初步细节增强，获得大目标边缘以及小目标增强后的图像Ior；
根据原始图像数据Iorig(i，j)对所述大目标边缘以及小目标增强后的图像Ior的图像数据Ior(i，j)进行细节提取获得平滑大目标边缘后的细节层图像数据Inew(i，j)；
对所述平滑大目标边缘后的细节层图像数据Inew(i，j)进行二次细节增强，获得仅包含小目标的细节层图像数据Idlnew(i，j)；
对所述仅包含小目标的细节层图像数据Idlnew(i，j)进行阈值分割，获得阈值分割后的图像Itsn，n为像素索引；
对所述阈值分割后的图像Itsn进行下采样，并且逐行读取数据及逐行显示图像数据。


2.根据权利要求1所述的基于FPGA的实时全方位目标检测方法，其特征在于，所述逐行对原始图像Iorig进行初步细节增强，获得大目标边缘以及小目标增强后的图像Ior，具体为：对原始图像Iorig的第i行第j列像素位置的图像数据Iorig(i，j)进行平方操作，并将第一平方值I2进行均值滤波，获得第二滤波结果m11；对原始图像Iorig的第i行第j列像素位置的图像数据Iorig(i，j)进行均值滤波，再对第一滤波结果m1执行平方操作，获得第二平方值m12；将所述第二滤波结果m11与第二平方值m12的差值v1转换为浮点插值数据vf后，对参数H(k)和浮点差值数据vf求和获得求和值vm；将所述浮点差值数据vf除以求和值vm获得参数a，并对所述参数a进行均值滤波获得第三滤波结果ma；将所述第一滤波结果m1转换为浮点滤波数据mf后，再将第一滤波结果m1与浮点滤波数据mf和参数a的乘积值am相减获得参数b，对参数b进行均值滤波获得第四均值滤波结果mb；最终，将所述原始图像第i行第j列像素的图像数据Iorig(i，j)和第三滤波结果ma的乘积值Ia，根据所述乘积值Ia和第四滤波结果mb求和获得大目标边缘以及小目标增强后的图像Ior；
所述对所述平滑大目标边缘后的细节层图像数据Inew(i，j)进行二次细节增强，获得仅包含小目标的细节层图像数据Idlnew(i，j)，具体为：对平滑大目标边缘后的细节层图像Inew的第i行第j列像素位置的图像数据Inew(i，j)进行平方操作，并将第三平方值I22进行均值滤波，获得第六滤波结果m22；对平滑大目标边缘后的细节层图像Inew的第i行第j列像素位置的图像数据Inew(i，j)进行均值滤波，再对第五滤波结果m2执行平方操作，获得第四平方值m22；将所述第六滤波结果m22与第四平方值m22的差值v2转换为浮点插值数据vf2后，对参数H2(k)和浮点差值数据vf2求和获得求和值vm2；将所述浮点差值数据vf2除以求和值vm2获得参数a2，并对所述参数a2进行均值滤波获得第七滤波结果ma2；将所述第五滤波结果m2转换为浮点滤波数据mf2后，再将第五滤波结果m2与浮点滤波数据mf2和参数a2的乘积值am2相减获得参数b2，对参数b2进行均值滤波获得第八滤波结果mb2；最终，将所述平滑大目标边缘后的细节层图像Inew的第i行第j列像素位置的图像数据Inew(i，j)和第七滤波结果ma2的乘积值Ia2，根据所述乘积值Ia2和第八滤波结果mb2求和获得仅包含小目标的细节层图像数据Idlnew(i，j)。


3.根据权利要求1或2所述的基于FPGA的实时全方位目标检测方法，其特征在于，所述根据原始图像数据Iorig(i，j)对所述大目标边缘以及小目标增强后的图像Ior的图像数据Ior(i，j)进行细节提取获得平滑大目标边缘后的细节层图像数据Inew(i，j)，具体为：将图像数据Ior(i，j)和原始图像数据Iorig(i，j)作差确保结果不小于零，获得仅包含大目标边缘与小目标的细节层图像数据Idl(i，j)；
将细节层图像数据Idl(i,j)除以255，将图像数据转换到0和1之间，获得归一化后的细节层图像数据Idl(i,j)，用norm(Idl)表示；
通过1减去细节层图像数据norm(Idl)，即对norm(Idl)取逆，用(1-norm(Idl))表示；
将原始图像数据Iorig(i，j)除以255，将图像数据转换到0和1之间，获得归一化的原始图像数据，用norm(Iorig)表示；
对所述图像数据norm(Idl)和图像数据(1-norm(Idl))进行对应元素相乘，获得平滑大目标边缘后的细节层图像数据Inew(i，j)。


4.根据权利要求3所述的基于FPGA的实时全方位目标检测方法，其特征在于，所述对所述仅包含小目标的细节层图像数据Idlnew(i，j)进行阈值分割，获得阈值分割后的图像Itsn，n为像素索引，具体为：对细节层图像Idlnew第i行第j列像素位置的图像数据Idlnew(i，j)进行均值滤波获得滤波结果m3对所述滤波结果m3进行平方操作获得平方值m32；
对细节层图像Idlnew第i行第j列像素位置的图像数据Idlnew(i，j)进行平方操作获得平方值I32，对所述平方值I32进行均值滤波获得滤波结果m31；
对所述平方值m32和滤波结果m31进行作差获得差值将差值和常数k＝1.2相乘获得乘积值
将所述滤波结果m3和乘积值相加获得阈值Th，将细节层图像Idlnew第i行第j列像素位置的数据Idlnew(i，j)与阈值Th相比较，大于阈值置为255，小于阈值置为0，并最终获得阈值分割后的图像Itsn，n为像素索引。


5.根据权利要求4所述的基于FPGA的实时全方位目标检测方法，其特征在于，所述对所述阈值分割后的图像Itsn进行下采样，并且逐行读取数据显示图像数据，具体为：对阈值分割后的图像Itsn进行下采样，逐行输入图像数据，每8个像素点进行一次读取，输入每行数据后，间隔5行再进行图像数据读取，将读取的图像数据分为四部分图像的数据，分别用Ⅱ1(a)、Ⅱ2(a)、Ⅱ3(a)、Ⅱ4(a)表示，a代表当前操作的行数，对四部分图像分别从依次在写状态开始写入第一行图像数据Ⅱ1(1)至最后一行图像数据Ⅱ4(1)，随后，开始依次读出显示第一行图像数据Ⅱi(i)(i＝1，2，3，4)，并开始写入第二行图像数据Ⅱj(2)(j＝i)，如此反复，实现逐行显示图像数据。


6.一种基于FPGA的实时全方位目标检测系统，其特征在于，该系统包括主系统、从系统；
所述从系统并列设置十个，并且分别与主系统连接，均用于逐行对原始图像Iorig进行初步细节增强，获得大目标边缘以及小目标增强后的图像Ior；对所述大目标边缘以及小目标增强后的图像Ior的图像数据Ior(i，j)和原始图像数据Iorig(i，j)进行细节提取获得平滑大目标边缘后的细节层图像数据Inew(i，j)；对所述平滑大目标边缘后的细节层图像数据Inew(i，j)进行二次细节增强，获得仅包含小目标的细节层图像数据Idlnew(i，j)；对所述仅包含小目标的细节层图像数据Idlnew(i，j)进行阈值分割，获得阈值分割后的图像Itsn，n为像素索引，并且将阈值分割后的图像Itsn发送到主系统；
所述主系统，用于对所述阈值分割后的图像Itsn进行下采样，并且逐行读取数据及逐行显示图像数据；
所述从系统均包括探测器和数据发送器，其中，所述探测器用于完成小目标检测，包括依次连接的背景抑制模块和阈值分割模块；所述阈值分割模块与数据发送器连接，所述数据发送器与主系统连接。


7.根据权利要求6所述的基于FPGA的实时全方位目标检测系统，其特征在于，所述背景抑制模块包括两个细节增强模块和一个细节提取模块；
第一个细节增强模块，用于逐行对原始图像Iorig进行初步细节增强，获得大目标边缘以及小目标增强后的图像Ior；具体用于对原始图像Iorig的第i行第j列像素位置的图像数据Iorig(i，j)进行平方操作，并将第一平方值I2进行均值滤波，获得第二滤波结果m11；对原始图像的第i行第j列像素位置的图像数据Iorig(i，j)进行均值滤波，再对第一滤波结果m1执行平方操作，获得第二平方值m12；将所述第二滤波结果m11与第二平方值m12的差值v1转换为浮点插值数据vf后，对参数H(k)和浮点差值数据vf求和获得求和值vm；将所述浮点差值数据vf除以求和值vm获得参数a，并对所述参数a进行均值滤波获得第三滤波结果ma；将所述第一滤波结果m1转换为浮点滤波数据mf后，再将第一滤波结果m1与浮点滤波数据mf和参数...

【专利技术属性】
技术研发人员：张鑫，李欢，张喆，周慧鑫，秦翰林，宋江鲁奇，张嘉嘉，向培，杜鹃，陈戈韬，唐骏，王财顺，梅峻溪，于跃，姚博，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：陕西;61