摘要：
为了检测和追踪低信噪比红外弱小目标,在这篇文章中粒子滤波算法被应用于解决红外弱小目标检测前追踪的问题。 红外弱小目标的检测前追踪基于全视图采样的粒子滤波算法是被提出来了。 硬件系统由红外成像仪、ICETEK-DM642-PCI开发板和监视器。 硬件系统配置使用DSP/IBIOS这是一个实时操作系统。 实验结果表明, 相比传统的方法，系统达到更好的检测和追踪的效果。
关键字：
红外弱小目标 , 低信噪比 , 粒子滤波算法 , DSP/IBIOS
1引言
红外弱小目标的实时检测和追踪正成为红外检测领域的关键技术。传统的目标检测方式是很难满足系统对低信噪比的要求。近年来，TBD技术广泛应用于红外弱小目标的检测和追踪。《1-4》基于贝叶斯递推估计的TBD技术可以有效地解决红外弱小目标低信噪比的实时检测和追踪问题。基于Monte Carlo的抽样粒子滤波算法正变得的越来越受欢迎，这是一个数字的最优贝叶斯估计。
随着数字信号处理器(DSP)的迅速发展,DSP的数据处理和存储能力已大大提高,使一些复杂的计算和大量的算法可以在硬件平台上实现,这也为红外弱小目标的基于全视图抽样的TBD方法的 PF算法提供了硬件基础。
在这篇文章中，一个红外弱小目标的TBD算法和基于全视图抽样的PF算法是被提出来了。 硬件系统包括红外成像仪、ICETEK-DM642-PCI开发板和监视器。 DSP / BIOS实时操作系统可用于配置包括视频驱动程序,内存分配和任务线程基础硬件。 实验结果表明, 相比传统的方法，系统达到更好的检测和追踪的效果。 2基于完整视图抽样的PF算法的红外弱小目标的TBD算法
红外弱小目标的TBD算法基于全视图采样的粒子滤波算法包括两个步骤。 第一步,没有背景的图像信息只包括目标和噪音。 第二步,实现目标的跟踪和检测, 利用基于全视图抽样的PF的红外弱小目标的TBD算法。
图像预处理利用的背景杂波抑制的方法基于数学形态学处理输入的红外图像,图像仅包含对象和噪音。 硬件实现的图像预处理使制备红外弱小目标的TBD抽样的PF算法基于完整的视图。
检测和跟踪红外弱小目标之前,系统模型和状态模型需要建立。 a．系统模型
2
目标空间的移动速度,位置和强度,因此我们假设目标的状态向量
,这里
和
分别表示目标的位置、速
度和强度。 系统方程的定义是:
这里和 是零均值高斯白噪声的协方差
这里 和 分别表示目标的过程噪声水平和运动强度。目标可能出现或消失在视野中在一个离散时间 。 目标的存在变量 是由一个两状态并存的马尔可夫链构建,就是过渡目标的概率 出现
。 0表示事件目标不存在,而1表示相反的。 此外,和消失
被定义为:
其他两个过渡概率的马尔可夫链的概率保持可行性,剩余的概率没有分别由 和 给出。 总之,过渡概率矩阵由:
给出。
b .传感器模型
红外传感器提供了一种序列图像作为测量值被定义为:
分辨单元对应一个矩形区域的尺寸 采样的时间间隔 。 在每个分辨单元 实测强度来标示
和建模为
。 在离散的瞬间记录测量图像 为
和
,
2
,这里
对强度的贡献水平分辨单元 这个职位
对像素的贡献
,
表示为目标
在
表示为测量噪声。 点目标的强度 近似为:
, 这里 是一种已知的
参数,表示数量的传感器引入的模糊。 c算法实现
红外弱小目标的TBD算法基于全视图抽样的PF跟踪和检测包含两个步骤。 1)目标跟踪
在目标跟踪中,第一步是预测每个粒子的现有状态。 现有的粒子 可能的情况下。 (1) 新生的粒子,这组预测粒子的特点是从 到
。 目标的状态作为一个样本来自建议密度
,有两种过渡
这是按如下获得。
目标位置的组件, 域 度
是一个统一的密度在这些地区的监视的区
,这里 选择一个合适的域值。 为目标的速度分量 方向,建议密
,这里
目标的最大速度(和 的方向一样)。 最
,这里
和
分别表示最
后目标的强度组件的状态向量
小灰度值和最大灰度值。 (2)现有的粒子,这是一群一直存在的粒子由于 和
。 一步转移概率分布函数
这是定义目标的动态模型。
重要的权重计算。 为了这个目的,我们需要引入像素的似然比 目标的
状态 其定义为:
2
现在的重要的权重是由:
定义的
剩下的步骤TBD-PF包括规范化的重要权重和重采样。 2)目标探测
PF的TBD执行目标的检测通过后验概率的估计目标的存在被定义为:
这个估计的计算公式为:
最后,我们对完成目标的检测使用似然比。 似然比是:
我们选择一个域值 ,
是1.5( 8 ]。 如果
则声明的目标的存在。
估计目标的状态是:3系统硬件的实现
系统的硬件由红外成像仪、ICETEK-DM642-PCI开发板和显示器组成。 ICETEK-DM642-PCI是已经集成DM642的外围电路、外部存储器编码和解码芯片的平台。 DSP / BIOS设计视频驱动程序,对红外图像进行捕捉和显示,使硬件配置包括实现视频驱动程序，记忆和任务线程。 它还可以用于操作硬件模块,不仅缩短了设计时间,还提高了硬件的效率。 A:DSP / BIOS的描述
DSP / BIOS™内核是一个可伸缩的实时多任务内核,专门为TMS320C6000™,TMS320C55x™和TMS320C28x™DSP而设计。 它还提供了先发制人的多线程、实时分析和配置工具 。 DSP / BIOS有别于传统的DSP的方法。 开发人员使用它的硬件写通信调度应用程序,而不是配置寄存器来控制DSP。 系统利用DSP / BIOS配置ICETEK-DM642-PCI平台,包括视频驱动程序设计,将图像存储的内存,计算过程中的数据的图像预处理,为在每一帧图像处理和计算算法的运行建立线程。
2
1. 设置算法的内存空间: 在系统的MEM ALGOTRITH和SDRAM模块定义三个外部存储空间命名的图像。 起始地址和结束地址,有大小的内存,堆和名称空间的大小如下表所示:
表1 划分系统内存
2. 采取SDRAM作为一个例子来说明如何分配内存。 系统中添加一个新的对象命名为SDRAM MEM模块。 单击SDRAM对象选择菜单中的属性和修改的起始地址 和大小 ,然后定义一个堆命名为EXTERNALHEAP其大小 。细节都显示在 图1 :
图1 Dram内存配置
设置算法的功能:添加算法执行功能命名模块的调度和配置功能与命名和编程功能的实现包括输入和输出视频驱动程序和算法的执行功能包括初始化粒子,粒子的状态转移,更新权重和重采样功能。 红外图像的数据处理过程
红外图像的数据得到的红外成像仪送入ICETEK-DM642-PCI平台。 SAA7115解码芯片将模拟数据转换成数字数据,将数字信号转到DM642视频接口。 最后它将数据放入缓存。 完成PF-TBD算法处理后,SAA7105编码芯片将数据和侦探信息转换为模拟,然后输出到显示器显示侦探的结果。 数据处理过程的红外图像所示 图2 。
2
图2 红外图像数据处理过程
4. 实验结果的分析
在本文中,粒子的数量是600。 运动目标跟踪的结果和检测所示 图3 和 图4 。
图3.两个帧的红外图像
图4.两个帧的跟踪结果
图3 和 图4 表明,目标准确地在探测和跟踪的过程中移动,运动目标的跟踪估计如 图5 所示。
2
结果表明,粒子的数量是600,信噪比为3.5 ~ 4侦探概率是100%,每一帧的处理时间是236.64毫秒,均方根误差小于2像素。
图5. 运动目标的轨迹预测
5.结论
在这篇文章中，高性能TMS320DM642芯片用于红外弱小目标的实现的TBD算法基于全视图抽样的PF。实际应用的红外弱小目标的TBD抽样的PF算法基于完整的视图,它是一个有意义的研究。 跟踪的准确性和检测的概率完全满足系统的设计要求,但每一帧的处理时间超过200 ms。 这意味着系统的实时实现。 因此,系统需要优化。 例如,基于该标准的算法可以打包的TMS320DSP算法。 该算法满足标准可以打包RF5的通道。 通过利用RF5调用算法,可以提高系统的实时。 由于数据的大小和数量的计算步骤红外弱小目标的TBD抽样的PF算法基于完整的视图,我们可以设计在RF5的基础上的算法。 尤其是在硬件的实现过程中,系统需要完成许多任务,在这一瞬间,视频数据需要采用、预处理和显示。 如果系统程序设计利用RF5的线程模型,执行多线程将会提高实时算法。 因此,系统需要利用TMS320DSP算法的标准打包算法和基于RF5设计算法来进行优化。 这将是一个新的研究课题。 参考资料
[1]沃伦·R C,“贝叶斯检测前追踪算法对红外点目标探测”[R],澳大利亚:DSTO武器系统部门航空和海上研究实验室,2002:1-9
[2]Rozovskii Bpetrv,“红外序列图像检测前追踪的最优非线性滤波导
出”[C],1999年SPIE 大会记录,弱小目标的信号和数据处理，美国科罗拉多州丹佛市,1999年,3809;152 – 163。
2
[3] 张慧娟，梁艳，陈咏梅，“远动目标轨迹追踪的研究”[J], 红外技术,2006,28(7): 423-430。
[4] 张长城，杨德贵，王洪强，“红外弱小目标检测前追踪算法的研究”[J],激光和红外, 2007, 37(2):104-107。
[5] Huang A J,“贝叶斯估计教程和跟踪技术适用于非线性非高斯处理”,横切技术报告,2005:3-15。
[6]李彦斌，曹作亮，“基于DSP的实现目标追踪的合适算法”，光电激光，2009,20(6): 771-774。
[7] 刘海燕，赵宗贵，刘曦，“运动目标的确定和追踪”，河南大学，2009年。 [8] 德州仪器公司，王均宁，“TMS320 DSP/IBIOS 用户指南”
[9] Ristic B, Arulampalam S, Gordon N,“超越了卡尔曼滤波:粒子跟踪应用程序”。
2
因篇幅问题不能全部显示，请点此查看更多更全内容