System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及图像处理,具体为一种fpga芯片及基于该芯片的图像弱小目标检测与质心提取方法。
技术介绍
1、在图像处理、模式识别等许多领域,弱小目标图像中的弱小目标检测与质心提取是必不可少的处理步骤。在弱小目标检测领域,根据检测所需帧数的不同,主要分为基于空间域以及时间域两大类算法。其中,基于空间域的算法以其计算的规整行与可流水化特性在实时硬件处理中取得了广泛的应用。针对弱小目标区域的质心提取,连通域标记算法以其通用性而得到了广泛的使用,但相比于图像滤波与阈值分割等可以进行流水线处理的图像处理算法,连通域标记算法因其复杂度较高,往往需要耗费更高的硬件资源与处理时间。
2、fpga是一种可编程逻辑器件,具有功耗低、成本低、开发灵活、处理速度快的优点,fpga可为每个系统开发独立的硬件电路结构,因此兼有并行结构以及流水线处理的特点。
3、如何高效地实现弱小目标检测与质心提取是满足实时性要求的关键,针对fpga硬件实现的实时性难题,本方案给出了一种基于fpga的图像弱小目标检测与质心提取算法硬件实现方法。
技术实现思路
1、本专利技术的目的在于提供基于fpga的图像弱小目标检测与质心提取方法,以解决上述
技术介绍
中提出的目前在弱小目标检测领域存在的连通域标记算法因其复杂度较高,往往需要耗费更高的硬件资源与处理时间的问题。
2、为实现上述目的,本专利技术提供如下技术方案:
3、一种fpga芯片,包括:
4、图像预处理模块,其通过对输
5、连通域标记计算模块,其包括以下子模块:连通域标记计算子模块、等价表复制与更新子模块、相邻行标记存储与比较子模块、坐标记录与更新子模块,所述连通域标记计算模块过dlcm算法进行目标检测,结合连通域标记计算特点,基于fpga的器件架构,采取以图像行周期对等价表进行复制、更新的方法实现弱小目标检测与质心提取的实时处理。
6、作为一种优选的技术方案,图像预处理模块依次按照均值计算、对比度计算、阈值计算与分割的顺序对输入图像进行处理,进而得到仅包含弱小目标区域的二值化分割图像。
7、基于fpga的图像弱小目标检测与质心提取方法,包括有以下步骤:
8、步骤s1:图像预处理,通过对输入图像进行预处理得到仅包含弱小目标区域的二值化分割图像;
9、步骤s2:初标记并制作等价表;使用滤波模板对输入的二值图像进行初标记滑窗处理,对像素值为“1”的像素赋予标记值,并将检测到的等价标记存储在等价表当中;将灰度值为“1”的像素坐标进行输出;检测并输出滑窗过程中相邻两行出现的标记;
10、步骤s3:等价表复制与更新;以行为周期复制最新的等价表e1,并在图像的下一个行周期内进行e1的遍历更新;
11、步骤s4:相邻行标记存储与比较;将标记过程中出现过的相邻两行标记进行存储得到标记集合;获取更新后的e1对相邻行标记集合进行更新;通过比较更新后的标记集合,获取相邻两行中上一行的可输出区域的标记集合;
12、步骤s5:坐标记录与更新;将标记过程中像素值为“1”的像素坐标进行存储;根据更新后的e1对坐标表进行更新;根据可输出标记,取出对应连通域的坐标和以及像素数量,计算并输出连通域的质心坐标与半径;
13、作为一种优选的技术方案,步骤s1依次按照均值计算、对比度计算、阈值计算与分割四个步骤。
14、作为一种优选的技术方案,使用3×3尺度的子窗进行均值滑窗计算,图像数据流按像素逐个输入,使用两个串联的fifo缓存两行图像数据,9个寄存器组成了3×3的滤波窗口,对9个寄存器当中存储的像素值求均值即可计算出滤波窗口均值。
15、作为一种优选的技术方案,采取双层局部对比度的方法进行对比度值计算,该算法选定的滤波窗口结构,双层滑窗共包含5×5个子窗。
16、作为一种优选的技术方案,步骤s2包括:
17、1)标记上下文建模;2)逐像素标记;3)等价关系判断与存储;4)检测相邻两行出现的标记。
18、作为一种优选的技术方案,步骤s3使用“乒乓操作”,利用两个ram交替进行等价表的复制以及更新。
19、作为一种优选的技术方案,步骤s4包括:
20、1)相邻行标记存储;2)相邻行标记更新;3)相邻行标记比较。
21、作为一种优选的技术方案,使用bram进行实现在标记过程中对同一连通域坐标进行累加,进而计算各个区域的质心坐标与半径。
22、与现有技术相比,本专利技术的有益效果是:
23、基于弱小目标特征,选取dlcm算法进行目标检测,结合连通域标记计算特点,基于fpga的器件架构,采取以图像行周期对等价表进行复制、更新的方法,设计了一种基于fpga的全局流水、局部并行弱小目标检测与质心提取高效计算架构,有效降低计算延时,可以实现弱小目标检测与质心提取的实时处理。
本文档来自技高网...【技术保护点】
1.一种FPGA芯片,其特征在于,包括:
2.根据权利要求1所述的一种FPGA芯片,其特征在于,所述图像预处理模块依次按照均值计算、对比度计算、阈值计算与分割的顺序对输入图像进行处理,进而得到仅包含弱小目标区域的二值化分割图像。
3.基于FPGA的图像弱小目标检测与质心提取方法,其特征在于,包括有以下步骤:
4.根据权利要求3所述的基于FPGA的图像弱小目标检测与质心提取方法,其特征在于,所述步骤S1依次按照均值计算、对比度计算、阈值计算与分割四个步骤。
5.根据权利要求4所述的基于FPGA的图像弱小目标检测与质心提取方法,其特征在于,所述均值计算使用3×3尺度的子窗进行均值滑窗计算,图像数据流按像素逐个输入,使用两个串联的FIFO缓存两行图像数据,9个寄存器组成了3×3的滤波窗口,对9个寄存器当中存储的像素值求均值即可计算出滤波窗口均值。
6.根据权利要求4所述的基于FPGA的图像弱小目标检测与质心提取方法,其特征在于,采取双层局部对比度的方法进行对比度值计算,该算法选定的滤波窗口结构,双层滑窗共包含5×5个子窗。
...【技术特征摘要】
1.一种fpga芯片,其特征在于,包括:
2.根据权利要求1所述的一种fpga芯片,其特征在于,所述图像预处理模块依次按照均值计算、对比度计算、阈值计算与分割的顺序对输入图像进行处理,进而得到仅包含弱小目标区域的二值化分割图像。
3.基于fpga的图像弱小目标检测与质心提取方法,其特征在于,包括有以下步骤:
4.根据权利要求3所述的基于fpga的图像弱小目标检测与质心提取方法,其特征在于,所述步骤s1依次按照均值计算、对比度计算、阈值计算与分割四个步骤。
5.根据权利要求4所述的基于fpga的图像弱小目标检测与质心提取方法,其特征在于,所述均值计算使用3×3尺度的子窗进行均值滑窗计算,图像数据流按像素逐个输入,使用两个串联的fifo缓存两行图像数据,9个寄存器组成了3×3的滤波窗口,对9个寄存器当中存储的像素值求均值即可计算出...
【专利技术属性】
技术研发人员:杨仁鹏,徐智旺,李奇,刘天宇,艾维,
申请(专利权)人:中船星惯科技武汉有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。