基于FPGA的高光谱图像异常检测系统技术方案

本发明专利技术公开了一种基于FPGA的高光谱异常检测系统，主要解决在卫星遥感应用条件下现有技术检测速度慢，计算成本高的问题。该系统是在FPGA上设置包括5个功能单元的深度流水架构，其中：特征融合单元，用于进行光谱合并，以降低高光谱图像维度；特征定位单元，用于对降维后的图像进行形态学开重建和闭重建，以定位不同于背景的特征；特征提取单元，用于对开重建和闭重建结果进行差分计算，以提取异常信息；特征聚类单元，用于进行修正自引导滤波，完成对异常特征聚类；数据输出单元，对聚类结果加权求和，得到高光谱图像的预检测结果。本发明专利技术检测精度高、处理速度快、资源消耗低，可用于卫星遥感条件下从高光谱图像中实时获取异常目标。

【技术实现步骤摘要】
基于FPGA的高光谱图像异常检测系统
本专利技术属于图像处理
，更进一步涉及一种图像异常检测方法，可用于卫星遥感应用条件下从高光谱图像中实时获取异常目标。
技术介绍
高光谱异常检测技术的目标是在没有目标光谱特征的先验知识条件下，识别在空间或者光谱上与周围环境完全不同的感兴趣目标。由于异常检测的过程可以不依赖于大气校正和辐射校正等复杂的预处理过程，因而更适合高光谱图像的星上实时处理场景，在农业、人员搜索与救援、军事目标侦察等领域都有非常重要的应用。Kwon在其发表的论文“KernelRX-algorithm:Anonlinearanomalydetectorforhyperspectralimagery”(IEEE地球科学与遥感汇刊TGRSIEEETransactionsOnGeoscienceAndRemoteSensing期刊论文2005年)提出将原始高光谱数据的光谱信号非线性映射到高维特征空间中，使得在原始空间中线性不可分的成分经过非线性映射到高维特征空间后线性可分，从而更好地分离背景和目标信息。然而，这种技术所采用的高阶Gram矩阵以及矩阵求逆所带来的高计算复杂度给硬件实现带来了巨大难度。XudongKang在其发表的论文“HyperspectralAnomalyDetectionWithAttributeandEdge-PreservingFilters”(IEEE地球科学与遥感汇刊TGRSIEEETransactionsOnGeoscienceAndRemoteSensing期刊论文2017年)中提出了一种基于属性滤波和边缘保持滤波的高光谱异常检测方法AED。该方法在光谱特征提取的过程中进一步利用了高光谱图像的空间信息。首先使用主成分分析法对高光谱图像进行降维并提取特征图像，然后通过基于空间属性的形态学属性滤波器提取具有特定面积属性的异常候选，最后使用域变换递归滤波器进行边缘保留及平滑，得到最终的检测结果。然而，该方法所采用的降维方法以及全局的基于树表示的形态学属性滤波技术在硬件实现上都十分困难。目前大多数广泛使用的高光谱异常检测方法尽管在检测精度上表现出色，但是这些方法往往采用大规模复杂的矩阵计算，比如矩阵的协方差、矩阵的逆、特征值求解等，这样的高计算复杂度给星上实时检测带来了更大的难度。
技术实现思路
本专利技术的目的在于针对上述现有技术的不足，提出一种基于FPGA的低复杂度高光谱异常检测系统，以避免复杂耗时的大规模矩阵运算，并进一步提升高光谱图像异常检测精度，便于星上实时检测。为实现上述目的，本专利技术基于FPGA的高光谱图像异常检测系统，是在FPGA上设置深度流水架构，其特征在于，包括：特征融合单元，用于对通过AXI互联总线从片外存储器读取的高光谱图像进行光谱合并，以降低高光谱图像的维度，并将光谱合并后的结果传输至特征定位单元；特征定位单元，用于对特征融合单元的光谱合并结果进行形态学开重建和形态学闭重建，以定位不同于背景的特征，并将形态学开重建后的结果和形态学闭重建后的结果传输至特征提取单元；特征提取单元，用于对特征定位单元的形态学开重建结果和形态学闭重建结果进行差分操作，以提取异常信息，并将差分结果传输至特征聚类单元；特征聚类单元，用于对特征提取模块的差分结果进行修正自引导滤波，并将修正自引导滤波的结果传输至数据输出单元；数据输出单元，用于对特征聚类单元的修正自引导滤波结果进行加权求和，并将加权求和的结果通过AXI互联总线存入片外存储器，通过加权求和结果的灰度值大小预判定其对应的像素是否为异常像素：灰度值越大，则该像素为异常目标的可能性越大；反之，该像素被看作为背景。本专利技术与现有的技术相比具有以下优点：第一，本专利技术由于采用简单有效的形态学重建和修正自引导滤波技术，可在保证检测性能的同时避免复杂耗时的大规模矩阵运算。第二，本专利技术由于采用基于FPGA的低成本深度流水架构，可以通过几个参数的调整应用于不同场景下多种空间尺寸和光谱维度的高光谱图像，便用于星上在轨的实时异常检测。实验结果表明，本专利技术的检测精度比现有技术基于属性滤波和边缘保持滤波的高光谱异常检测方法AED提高了4.35％。附图说明图1是本专利技术的整体架构图；图2是本专利技术中修正自引导滤波子模块的结构图；图3是分别采用本专利技术和现有AED方法对高光谱图像进行异常检测的仿真图。具体实施方式下面结合附图对本专利技术的实施例和效果做进一步的详细描述。参照图1，本实例是在FPGA上部署深度流水架构对高光谱图像进行异常检测，该深度流水架构主要包含特征融合单元1、特征定位单元2、特征提取单元3、特征聚类单元4和数据输出单元5四个单元。所述特征融合单元1，包括数据加载/分发模块11和Q个光谱合并模块12，该数据加载/分发模块11用于将通过AXI互联总线从片外存储器读取的低位宽像素合并为高位宽像素后，存储在比特宽度为512的先进先出缓存FIFO中，再将高位宽像素同时传递给Q个并行工作的光谱合并单元12；该光谱合并模块12用于将高位宽像素拆分为低位宽像素后，对低位宽像素进行求和平均运算，并将运算的结果传输给特征定位单元2。所述特征定位单元2，包括Q个形态学开重建模块21和Q个形态学闭重建模块22，每个形态学开重建模块21由腐蚀子模块211和膨胀重建子模块212组成；每个形态学闭重建模块22由膨胀子模块221和腐蚀重建子模块222组成；该腐蚀子模块211，用于计算尺寸为ra×ra的结构元中像素的最小值，具体实现是依次进行腐蚀行处理和腐蚀列处理。其中，腐蚀行处理，是在每个时钟周期内，通过比较先进先出缓存FIFO中的新像素和当前大小为ra-1的寄存器中的像素，得到几个像素中的最小值，将该最小值传递至腐蚀列处理，再移除当前寄存器中的旧像素，并将先进先出缓存FIFO中的新像素存入寄存器；腐蚀列处理，是在每个时钟周期内，先通过比较腐蚀行处理的结果和当前大小为(ra-1)×N的BRAM中的一列ra-1个像素，得到这几个像素中的最小值，再将该最小值结果传递到下一个膨胀重建子模块212，然后移除当前BRAM的旧像素，并将腐蚀列处理的最小值结果存入BRAM中，其中N表示高光谱图像的宽，ra的取值为奇数；该膨胀重建子模块212，对腐蚀子模块211的最小值结果顺序执行k次膨胀操作和最小值比较得到形态学开重建的结果，并将形态学开重建的结果传递给特征提取单元3；该膨胀子模块221，是通过依次进行膨胀行处理和膨胀列处理计算尺寸为ra×ra的结构元中像素的最大值。其中，膨胀行处理，是在每个时钟周期内，首先通过比较先进先出缓存FIFO中的新像素和当前大小为ra-1的寄存器中的像素，得到几个像素中的最大值，将该最大值传递至膨胀列处理，然后移除当前寄存器中的旧像素，并将先进先出缓存FIFO中的新像素存入寄存器；膨胀列处理，是在每个时钟周期内，首先通过比较膨胀行处理的结果和当前大小为(ra-1)×N的BRAM中的一列本文档来自技高网...

【技术保护点】
1.一种基于FPGA的高光谱图像异常检测系统，是在FPGA上设置深度流水架构，其特征在于，包括：/n特征融合单元(1)，用于对通过AXI互联总线从片外存储器读取的高光谱图像进行光谱合并，以降低高光谱图像的维度，并将光谱合并后的结果传输至特征定位单元(2)；/n特征定位单元(2)，用于对特征融合单元(1)的光谱合并结果进行形态学开重建和形态学闭重建，以定位不同于背景的特征，并将形态学开重建后的结果和形态学闭重建后的结果传输至特征提取单元(3)；/n特征提取单元(3)，用于对特征定位单元(2)的形态学开重建结果和形态学闭重建结果进行差分操作，以提取异常信息，并将差分结果传输至特征聚类单元(4)；/n特征聚类单元(4)，用于对特征提取模块(3)的差分结果进行修正自引导滤波，并将修正自引导滤波的结果传输至数据输出单元(5)；/n数据输出单元(5)，用于对特征聚类单元(4)的修正自引导滤波结果进行加权求和，并将加权求和的结果通过AXI互联总线存入片外存储器，通过加权求和结果的灰度值大小预判定其对应的像素是否为异常像素：灰度值越大，则该像素为异常目标的可能性越大；反之，该像素被看作为背景。/n

【技术特征摘要】
1.一种基于FPGA的高光谱图像异常检测系统，是在FPGA上设置深度流水架构，其特征在于，包括：
特征融合单元(1)，用于对通过AXI互联总线从片外存储器读取的高光谱图像进行光谱合并，以降低高光谱图像的维度，并将光谱合并后的结果传输至特征定位单元(2)；
特征定位单元(2)，用于对特征融合单元(1)的光谱合并结果进行形态学开重建和形态学闭重建，以定位不同于背景的特征，并将形态学开重建后的结果和形态学闭重建后的结果传输至特征提取单元(3)；
特征提取单元(3)，用于对特征定位单元(2)的形态学开重建结果和形态学闭重建结果进行差分操作，以提取异常信息，并将差分结果传输至特征聚类单元(4)；
特征聚类单元(4)，用于对特征提取模块(3)的差分结果进行修正自引导滤波，并将修正自引导滤波的结果传输至数据输出单元(5)；
数据输出单元(5)，用于对特征聚类单元(4)的修正自引导滤波结果进行加权求和，并将加权求和的结果通过AXI互联总线存入片外存储器，通过加权求和结果的灰度值大小预判定其对应的像素是否为异常像素：灰度值越大，则该像素为异常目标的可能性越大；反之，该像素被看作为背景。


2.根据权利要求1所述的系统，其特征在于，特征融合单元(1)包括数据加载/分发模块(11)和Q个光谱合并模块(12)，该数据加载/分发模块(11)用于将通过AXI互联总线从片外存储器读取的低位宽像素合并为高位宽像素后，存储在比特宽度为512的先进先出缓存FIFO中，再将高位宽像素同时传递给Q个并行工作的光谱合并单元(12)；该光谱合并模块(12)用于将高位宽像素拆分为低位宽像素后，对低位宽像素进行求和平均运算，并将运算的结果传输给特征定位单元(2)。


3.根据权利要求1所述的系统，其特征在于，特征定位单元(2)包括Q个形态学开重建模块(21)和Q个形态学闭重建模块(22)，每个形态学开重建模块(21)由腐蚀子模块(211)和膨胀重建子模块(212)组成；每个形态学闭重建模块(22)由膨胀子模块(221)和腐蚀重建子模块(222)组成；
所述腐蚀子模块(211)，用于计算尺寸为ra×ra的结构元中像素的最小值，并将最小值结果传递给膨胀重建子模块(212)，ra的取值为奇数；
所述膨胀重建子模块(212)，对腐蚀子模块(211)的最小值结果顺序执行k次膨胀操作和最小值比较得到形态学开重建的结果，并将形态学开重建的结果传递给特征提取单元(3)；
所述膨胀子模块(221)，用于计算尺寸为ra×ra为结构元中像素的最大值结果，并将最大值结果传递给腐蚀重建子模块(222)，ra的取值为奇数；
所述腐蚀重建子模块(222)，用于对膨胀子模块(221)的最大值结果顺序执行k次腐蚀操作和最大值比较操作得到形态学闭重建的结果，并将形态学闭重建的结果传递给特征提取单元(3)。


4.根据权利要求3所述的系统，其特征在于，所述腐蚀子模块(211)计算尺寸为ra×ra的结构元中像素的最小值，分为腐蚀行处理和腐蚀列处理，其中：
所述腐蚀行处理，是在每个时钟周期内，通过比较先进先出缓存FIFO中的新像素和当前大小为ra-1的寄存器中的像素，得到几个像素中的最小值，将该最小值传递至腐蚀列处理，再移除当前寄存器中的旧像素，并将先进先出缓存FIFO中的新像素存入寄存器，其中ra的取值为奇数；
所述腐蚀列处理，是在每个时钟周期内，先通过比较腐蚀行处理的结果和当前大小为(ra-1)×N的BRAM中的一列ra-1个像素，得到这几个像素中的最小值，再将该最小值结果传递到下一个膨胀重建子模块212，然后移除当前BRAM的旧像素，并将腐蚀列处理的最小值结果存入BRAM中，其中N表示高光谱图像的宽。

<...

【专利技术属性】
技术研发人员：雷杰，杨埂，张梦波，谢卫莹，李云松，江涛，刘凯，高隆，
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