[发明专利]一种基于FPGA的红外遥感图像实时目标检测方法

摘要

本发明公开了一种基于FPGA的红外遥感图像实时目标检测方法，该方法主要针对现有舰船检测算法漏检率高、虚警多以及鲁棒性差等问题提出了解决方法。主要由基于梯度卷积模型的粗检测模块、基于傅里叶频谱和SVM的精检测模块组成。本发明在充分分析红外遥感图像中舰船目标自身以及典型虚警特征的基础上，选择能够有效区分舰船目标与典型虚警的可用特征，并结合支持向量机分类算法，构建准确、简单的目标分类模型，结合二维傅里叶变换实现虚警的快速、准确剔除。同时本发明能够减少FPGA逻辑资源和存储资源的消耗，发挥FPGA并行控制优势，从而在占用较少FPGA资源情况下完成高精度目标检测。

主权项

1.一种根据权利要求1所述的一种基于FPGA的红外遥感图像实时目标检测方法的自动化标定方法，其特征在于，包括如下步骤：步骤一、红外遥感图像数据进入FPGA存入DDR中进行数据缓存，通过对DDR进行地址划分将每幅图像存入相应的DDR区域中；根据输入粗检测模块和精检测模块的图像块尺寸的固定要求，计算DDR的地址位置，并通过地址控制从DDR相应区域读取固定尺寸的图像块进行归一化算法运算，将归一化运算输出的结果作为粗检测模块和精检测模块的输入；步骤二、对输入粗检测模块的图像块采用双线性插值算法进行缩放，根据不同的缩放因子得到的图像数据进行x轴方向和y轴方向上的梯度运算，并与预设的若干卷积模板进行卷积，得到卷积输出矩阵；步骤三、对得到的卷积输出矩阵的每个坐标点对应的值进行遍历，与预设的粗检测阈值进行比较，若坐标点对应的值大于粗检测阈值，则当前坐标点为疑似目标点坐标，反之，则为非目标点坐标；输出疑似目标点坐标与长宽，并通过非极大值抑制算法进行相邻疑似目标点合并；步骤四、以合并后的疑似目标点坐标为中心，以合并后的疑似目标点长宽为步长从步骤一归一化算法输出的结果中取出对应区域的图像块，进行双线性插值缩放成正方形图像块；步骤五、对正方形图像块进行区域划分，根据划分后的区域数据进行二维傅里叶变换，按二维傅里叶变换时序流水输出数据信息，并与预设的若干SVM模板进行点乘运算，输出十进制数值；步骤六、将SVM运算得到的十进制的输出结果与预设的精检测阈值进行比较，若所述十进制输出结果的值大于精检测阈值，则输出十进制结果所对应的输入目标点坐标为所求的舰船目标，反之，则为虚警并进行剔除；通过非极大值抑制算法对得到的若干舰船目标点进行相邻点合并，输出最终的舰船目标信息，并从DDR中获取切片数据。