王忍寶，許四祥，翟健健，侍海東

?

基于DSP的雙層流水線在弱小目標(biāo)檢測中的應(yīng)用

王忍寶，許四祥，翟健健，侍海東

（安徽工業(yè)大學(xué) 機(jī)械工程學(xué)院，安徽 馬鞍山 243032）

針對工業(yè)現(xiàn)場中復(fù)雜背景下弱小目標(biāo)檢測的難題，提出了一種基于DSP的雙層流水線的弱小目標(biāo)檢測新方法。該方法以雙層流水線算法為背景，以半因果支持域背景預(yù)測為輔助，以DSP硬件圖像處理系統(tǒng)平臺為核心。利用C語言編寫檢測弱小目標(biāo)的雙層流水線算法，通過DSP集成開發(fā)軟件Code Composer Studio 3.3進(jìn)行移植、編譯、調(diào)試及優(yōu)化，將調(diào)試無誤的算法程序燒寫到DSP中，應(yīng)用于高溫鎂熔液中弱小目標(biāo)的檢測。實驗結(jié)果表明基于DSP的雙層流水線方法可以有效檢測出弱小目標(biāo)，為實現(xiàn)工業(yè)現(xiàn)場弱小目標(biāo)的實時檢測奠定了基礎(chǔ)。

DSP；雙層流水線；弱小目標(biāo)；Code Composer Studio 3.3

0 引言

弱小目標(biāo)的檢測一直是圖像處理領(lǐng)域的熱點和難點，在復(fù)雜背景下，因其目標(biāo)成像面積小，缺乏結(jié)構(gòu)紋理特征，信噪比小，故極易淹沒在背景雜波中[1-3]。近年來國內(nèi)外學(xué)者對其研究也越來越多，文獻(xiàn)[4]采用形態(tài)學(xué)帶通濾波器對紅外圖像進(jìn)行預(yù)處理并提取弱小目標(biāo)的RoI；侯旺等人[5]提出了一種基于分塊速度域RMTI算法，解決了弱小目標(biāo)檢測實時性的難題；此外，文獻(xiàn)[6]中運(yùn)用改進(jìn)的背景預(yù)測和雙層流水線算法實現(xiàn)了鎂熔液表面第一氣泡的實時檢測。然而，前人對弱小目標(biāo)研究較多局限于Matlab軟件仿真，與工程化應(yīng)用存在一定的距離；而隨著數(shù)字信號處理（DSP）技術(shù)的不斷發(fā)展，其由于多集成、實時性、并行處理能力強(qiáng)等優(yōu)勢，克服了Matlab在工程應(yīng)用上的局限性，在工業(yè)現(xiàn)場弱小目標(biāo)的實時檢測發(fā)揮重大作用。如采用改進(jìn)的形態(tài)濾波算法和Top-hat濾波算法進(jìn)行信息融合，結(jié)合硬件DSP較好實現(xiàn)了低信噪比下弱小目標(biāo)圖像的檢測[7-8]；王克勇[9]等人也采用DSP芯片和局部紋理分析檢測方法有效地檢測出了占極少像素的弱小目標(biāo)。因此，本文利用構(gòu)建的DSP系統(tǒng)平臺，設(shè)計一種快速的雙層流水線檢測算法，用于工業(yè)現(xiàn)場鑄造鎂合金液態(tài)質(zhì)量檢測中鎂熔液復(fù)雜背景下的弱小目標(biāo)檢測，為工業(yè)現(xiàn)場鎂熔液含氫量的實時檢測奠定基礎(chǔ)。

1 DSP檢測平臺及流水線算法原理

1.1 圖像檢測平臺

DSP圖像檢測平臺所使用的芯片是TMS320DM642（簡稱DM642），它是TI公司推出的一款高性能數(shù)字信號處理，與其他芯片相比，具有開發(fā)周期短，芯片功耗低，產(chǎn)品穩(wěn)定性高[10]等特點，且包括一個新的C編譯器，1個簡化程序和調(diào)度的組裝優(yōu)化器，1個具有執(zhí)行代碼可見性的Windows調(diào)試窗口的完整發(fā)展工具[11]，是目前定點DSP領(lǐng)域里性能較高的一款。其檢測系統(tǒng)平臺如圖1所示。

該平臺以Code Composer Studio 3.3（簡稱CCS3.3）為編程載體，以XDS560仿真器為媒介，以DM642為核心。首先根據(jù)硬件結(jié)構(gòu)和控制寄存器設(shè)置，初始化系統(tǒng)并編寫算法程序，在CCS3.3開發(fā)環(huán)境下利用Profiler工具進(jìn)行程序優(yōu)化產(chǎn)生.OUT文件；其次利用Load Program將產(chǎn)生的.OUT文件通過USB口連接的XDS560仿真器，將其燒寫到DSP中，并在CCS3.3中運(yùn)行Main程序；最后根據(jù)運(yùn)行結(jié)果，分析程序性能，對其反復(fù)改進(jìn)優(yōu)化，直到獲得滿足性能要求的程序。

1.2 半因果支持域最大化背景預(yù)測

最大化背景預(yù)測能有效抑制背景噪聲，適用于復(fù)雜背景中弱小目標(biāo)的檢測；然而其預(yù)測窗口選取的背景點數(shù)多，計算量較大，存在運(yùn)算速度慢的缺點[12]，不利于實時檢測。支持域有因果支持域、半因果支持域和非因果支持域3種基本形式；半因果支持域不僅兼顧了因果支持域弱小目標(biāo)檢測的優(yōu)異性能，而且具備非因果支持域?qū)﹄s波抑制的優(yōu)勢[13]。比較7×7的背景預(yù)測窗口，半支持域背景預(yù)測僅選用其預(yù)測窗口中的17個點，在處理時間上有著其他算法不可比擬的優(yōu)勢。

因此，本文通過半因果支持域?qū)ψ畲蠡尘邦A(yù)測的預(yù)測窗口進(jìn)行改進(jìn)，進(jìn)而達(dá)到改進(jìn)最大化背景預(yù)測算法的目的，改進(jìn)的最大化背景預(yù)測模型如式(1)到式(6)所示：

式中：1(,)和2(,)為預(yù)測灰度值；1(,)和2(,)為×支持域的等權(quán)重權(quán)值矩陣；(＋,＋)為領(lǐng)域內(nèi)以被測點為中心的像素點灰度值；max(,)為最終預(yù)測值；(,)為預(yù)測殘差圖像；1和2為－45°方向的半因果支持域?qū)Α?/p>

1.3 雙層流水線結(jié)構(gòu)

流水線結(jié)構(gòu)是一種并行技術(shù)，也稱為管道，是一個由幀組成的先進(jìn)先出的隊列，在每個幀周期，從隊列的底部刪除1幀而在隊列的頂部添加1幀，用來更新管道。該技術(shù)在各個領(lǐng)域已得到廣泛應(yīng)用，并且已證實，采用流水線技術(shù)檢測序列圖像中弱小目標(biāo)能夠加快運(yùn)算速度[14]。本文設(shè)計的雙層流水線結(jié)構(gòu)示意圖如圖2所示。

圖1 DSP檢測平臺

圖2 雙層流水線結(jié)構(gòu)示意圖

Fig.2 Double-pipeline architecture schematic diagram

2 算法設(shè)計與檢測

弱小目標(biāo)檢測算法多種多樣，本文在構(gòu)建的DSP檢測系統(tǒng)平臺上，設(shè)計了一種基于DM642的雙層流水線算法，能有效檢測出鎂熔液中的弱小目標(biāo)。該算法原理主要是先對序列圖像進(jìn)行背景預(yù)測處理，同時初始化雙層流水線管道；然后采用自適應(yīng)閾值分割和形態(tài)學(xué)開運(yùn)算去除噪聲點，獲得真正的目標(biāo)。此檢測算法流程如圖3所示。

圖3 檢測算法流程圖

1）圖像A、圖像B和圖像C分別為弱小目標(biāo)析出前的連續(xù)3幀圖像，圖像D為析出后的第一幀圖像。

2）預(yù)處理采用7×7半因果支持域最大化背景預(yù)測模型，利用該模型先對A圖像進(jìn)行處理，去除圖像中的噪聲點，將獲得的圖像與A圖作差分運(yùn)算，得到預(yù)處理圖像；然后依次處理B、C和D圖像，得到三幀預(yù)處理圖像；將所得四幀圖像進(jìn)行交叉差分運(yùn)算，得到兩幀殘差圖像。

3）經(jīng)過交叉差分處理后，圖像中除了包含目標(biāo)點外，還包含一些類目標(biāo)干擾信息和噪聲點。為消除干擾信息和噪聲點，對圖像進(jìn)行自適應(yīng)閾值分割，選取閾值分割加權(quán)系數(shù)＝16，并初步分離出目標(biāo)點。對分割后的二值圖像再進(jìn)行差分運(yùn)算和自適應(yīng)閾值分割，獲得含有目標(biāo)點的圖像。

4）形態(tài)學(xué)運(yùn)算是用來去除比結(jié)構(gòu)元素小的亮點，同時保持所有的灰度級和較大的亮區(qū)特性相對不變[15]。選用結(jié)構(gòu)元素為3×3垂直結(jié)構(gòu)元素，參數(shù)為1，對經(jīng)過自適應(yīng)閾值分割處理后的圖像作腐蝕運(yùn)算，去除噪點，獲得檢測結(jié)果。

其中，自適應(yīng)閾值分割算法的數(shù)學(xué)表達(dá)式如式(7)和式(8)所示：

式中：(,)、(,)分別表示預(yù)處理圖像的灰度值和閾值分割處理后圖像的灰度值，其中閾值表示自適應(yīng)閾值法確定的閾值：

＝mean＋(8)

式中：mean、、分別表示預(yù)處理圖像的灰度均值、閾值分割加權(quán)系數(shù)和預(yù)處理圖像的灰度均方差。

3 實驗結(jié)果分析

本實驗中圖像大小為560×530，實現(xiàn)檢測目標(biāo)的程序主要包括主程序main.c、命令文件.cmd、庫文件img64.lib、rts6400.lib、cslDM642.lib以及.gel文件等幾部分。

通過C語言進(jìn)行編程，在CCS下進(jìn)行編譯、調(diào)試、優(yōu)化、運(yùn)行，實現(xiàn)了弱小目標(biāo)的檢測。在算法設(shè)計過程中，采用半因果支持域最大背景預(yù)測，同時在檢測過程中采用了數(shù)據(jù)邊讀邊丟的策略，這樣無需分配整幅圖像空間的中間變量，提高了數(shù)據(jù)訪問速度和圖像處理速度。利用編寫好的C程序，讀取弱小目標(biāo)析出前的連續(xù)三幀圖像A，B，C和析出后的一幀圖像D。其循環(huán)函數(shù)讀取的程序如下：

for(m=t; m<=j; m+=2)

{

int i, j, k;

unsigned char *pWork;

FILE *fp;

switch(m)

{case t:if ( fp=fopen("t.bmp","rb" ) )

{

fseek(fp,1078L,SEEK_SET);

pWork=dbImagee+(IMAGEHEIGHT-1)*IMAGEWIDTH;

……

}

}

}

圖4為弱小目標(biāo)檢測算法圖像，其中白色方框內(nèi)為弱小目標(biāo)。

4 結(jié)論

本文提出了一種基于DSP的雙層流水線弱小目標(biāo)檢測方法，利用構(gòu)建的圖像處理檢測平臺，并設(shè)計基于半因果支持域最大化背景預(yù)測的雙層流水線算法，通過CCS3.3移植到檢測平臺上，應(yīng)用于鎂熔液中弱小目標(biāo)的檢測，檢測結(jié)果良好。驗證了此弱小目標(biāo)檢測方法在實際應(yīng)用中的可行性，同時彌補(bǔ)了Matlab軟件仿真在工程應(yīng)用上的不足，為后續(xù)工業(yè)現(xiàn)場進(jìn)行鎂熔液含氫量的實時檢測奠定了重要基礎(chǔ)。

圖4 弱小目標(biāo)檢測算法圖像

[1] 管志強(qiáng), 陳錢, 錢惟賢, 等. 一種基于算法融合的紅外目標(biāo)跟蹤方法[J]. 光學(xué)學(xué)報, 2008, 28(5): 860-865.

GUAN Zhiqiang, CHEN Qian, QIAN Weixian, et al. Infrared target tracking algorithm based on algorithm fusion[J]., 2008, 28(5): 860-865.

[2] 楊琳娜, 安瑋, 林再平, 等. 基于空間距離改進(jìn)的視覺顯著性弱小目標(biāo)檢測[J]. 光學(xué)學(xué)報, 2015, 35(7): 0715004.

YANG Linna, AN Wei, LIN Zaiping, et al. Small target detection based on visual saliency improved by spatial distance[J]., 2015, 35(7): 0715004.

[3] MA Ke, PENG Zhenming, HE Yangmin, et al. An improved method for dim infrared target detection with nonsub sampled Contourlet transform[J]., 2013, 25(11): 2811-2815.

[4] 程塨, 郭雷, 韓軍偉, 等. 基于形態(tài)學(xué)帶通濾波和尺度空間理論的紅外弱小目標(biāo)檢測[J]. 光學(xué)學(xué)報, 2012, 32(10): 1015001.

CHENG Gong, GUO Lei, HAN Junwei, et al. Infrared dim small target detection based on morphological band-pass filtering and scale space theory[J]., 2012, 32(10): 1015001.

[5] 侯旺, 于起峰, 雷志輝, 等. 基于分塊速度域改進(jìn)迭代運(yùn)動目標(biāo)檢測算法的紅外弱小目標(biāo)檢測[J]. 物理學(xué)報, 2014, 63(7): 074208.

HOU Wang, YU Qifeng, Lei Zhihui, et al. A block-based improved recursive moving-target-indication algorithm[J]., 2014, 63(7): 074208.

[6] 許四祥, 孫杰, 郭宏晨. 基于改進(jìn)背景預(yù)測和流水線的弱小目標(biāo)檢測[J]. 華中科技大學(xué)學(xué)報: 自然科學(xué)版, 2012, 40(8): 129-132.

XU Sixiang, SUN Jie, GUO Hongchen.Detecting weak and small targets by modified background prediction and pipeline[J].:, 2012, 40(8):129-132.

[7] 徐江豐, 張涌, 湯心溢. 紅外目標(biāo)檢測的形態(tài)濾波改進(jìn)算法及其DSP實現(xiàn)[J]. 激光與紅外, 2006, 36(8): 715-717.

XU Jiangfeng, ZHANG Yong, TANG Xinyi. An improved morphology filtering algorithm for infrared target detection and realization on DSP[J]., 2006, 36(8):715-717.

[8] 周成, 季云松, 趙毅. 一種單幀圖像紅外弱小目標(biāo)檢測算法及DSP實現(xiàn)[J]. 激光與紅外, 2009, 39(12): 1356-1359.

ZHOU Cheng, JI Yunsong, ZHAO Yi. Algorithm of infrared small target detection and application of DSP chip[J]., 2009, 39(12):1356-1359.

[9] 王克勇, 宋承天, 鄭鏈. 基于局部文理分析的紅外小目標(biāo)檢測及其DSP實現(xiàn)[J]. 光學(xué)技術(shù), 2008, 34(s1): 167-169.

WANG Keyong, SONG Chengtian, ZHENG Lian. Dim target detection system based on local texture analysis and hardware implementation with DSP[J]., 2008, 34(s1):167-169.

[10] 高潮, 李天長, 郭永彩. 基于DM642的嵌入式實時多路圖像采集處理系統(tǒng)[J]. 微計算機(jī)信息, 2008, 24(30): 282-283.

GAO Chao, LI Tianchang, GUO Yongcai. Embedded image system based on DM642[J]., 2008, 24(30): 282-283.

[11] 趙小強(qiáng). DSP原理及圖像處理應(yīng)用[M]. 北京: 人民郵電出版社, 2013: 26.

ZHAO Xiaoqiang.[M]. Beijing: Posts & Telecom Press, 2013: 26.

[12] 徐軍. 紅外圖像中弱小目標(biāo)檢測技術(shù)研究[D]. 西安: 西安電子科技大學(xué), 2001.

XU Jun. Research on the detection of small and dim targets in infrared images[D]. Xian:Xidian University, 2001.

[13] 劉志軍, 陳朝陽, 沈緒榜, 等. 基于卡爾曼濾波器的背景抑制及小目標(biāo)檢測[J]. 華中科技大學(xué)報: 自然科學(xué)版, 2004, 32(12): 7-9.

LIU Zhijun, CHEN Chaoyang, SHEN Xubang, et al. Background suppression and small targets detection based on Kalman filter[J].:, 2004, 32(12): 7-9.

[14] 韓客松, 王永成. 紅外序列圖像中緩動點目標(biāo)的流水線檢測算法[J]. 系統(tǒng)工程與電子技術(shù), 2000, 22(8): 66-67.

HAN Kesong, WANG Yongcheng. A pipeline algorithm for detecting slowly moving targets in infrared sequence images[J]., 2000, 22(8):66-67.

[15] 岡薩雷斯. 數(shù)字圖像處理（MATLAB版）[M]. 阮秋奇, 譯. 北京: 電子工業(yè)出版社, 2005: 178.

Gonzale. Translated by RUAN Qiuqi.[M]. Beijing: Electronic Industry Press, 2005: 178.

Application of Double-pipeline on Dim and Weak Target Detection Based on DSP

WANG Renbao，XU Sixiang，ZHAI Jianjian，SHI Haidong

(,,243032,)

It is difficult to detect dim and weak target in complex background on industrial scene, a new method with double-pipeline based on DSP was proposed in order to solve the problem. It was set in double-pipeline algorithm, based on semi causal support domain background prediction and centered on DSP image processing system platform. Firstly, a double-pipeline algorithm used for dim and weak target detection was programmed with C language. Then, it was operated by transplantation, compilation, debugging and optimization on Code Composer Studio 3.3，which was an integrated development environment for DSP. Lastly, debugged algorithm program was rewritten into DSP, which was applied on the dim and weak target detection in magnesium melt. Experimental result shows that double-pipeline algorithm based on DSP could detect the dim and weak target. It also lays the foundation of real-time detection of dim and weak target on industrial scene.

DSP，dim and weak target，double-pipeline，Code Composer Studio 3.3

TP391

A

1001-8891(2016)07-0587-05

2015-12-17；

2016-02-03.

王忍寶（1987-），男，安徽省臨泉人，碩士研究生，主要研究方向為機(jī)器視覺與人工智能。E-mail：wangrenbao912@163.com。

國家自然科學(xué)基金資助項目（51374007）；安徽省自然科學(xué)基金資助項目（11040606M104）。