基于DSP+FPGA的红外图像小目标检测系统设计

　　近年来，红外探测系统因其具有隐蔽性，抗干扰性，全天候工作等特点，在现代战争中具有重要的作用，而红外图像中小目标的检测将直接影响制导系统的有效作用距离及设备的复杂程度，在红外成像制导和预警系统中发挥着举足轻重的作用。

　　一般说来，由于小目标距离较远，因而在成像系统中表现为微弱特性，并且没有形状和结构特征或特征不明显。同时，由于高于绝对零度的物体均有红外辐射能力，所以自然界中的干扰源很多，很难准确地检测出真正的目标。本文在数学形态学Top-hat算子对于目标检测的基础上，设计了一种基于DSP+FPGA的图像实时处理系统，使其能够满足高速采样数据流快速存取，快速运算的要求。

　　1 算法基础

　　1.1 形态学算法

　　数学形态学方法是一种非线性滤波方法，它最先被用来处理二值图像，后来被引用到灰度图像处理。基本思想是：用一定的结构元素去度量和提取图像中的对应形状，去除不相干的结构，以达到图像分析和目标识别的目的。

　　灰度形态学的基本运算有膨胀、腐蚀、开运算和闭运算。基于这些运算，可以推导和组合各种数学形态学使用算法。

　　设f(x，y)为输入图像，b(x，y)为结构元素，其中(x，y)为图像平面空间的坐标点，f为(x，y)点的灰度值，b为(x，y)点的结构函数值，Df和Db分别是f和b的定义域，上述4种基本运算的表达式为：

　　其中，开运算有些像非线性低通滤波器，但是又与低通滤波器不同，开运算可以允许高频部分中大于结构元素的部分通过。Top-hat算子就是利用了开运算的上述性质来进行目标检测的。

　　Top-hat算子的定义为：

　　经过Top-hat处理后的图像，目标和背景在能量上差别较大，大部分像素都集中在低灰度区，只有目标和小部分噪声分布在高亮度区，如图1所示，图1(a)为原始图像，图1(b)为经过Top-hat处理的图像及其直方图统计结果。

　　1.2 最大类间方差法求阈值

　　设经过处理后的图像f2(x，y)的各灰度的集合为S={0，1，2，…，N}，Pi为此集合中i出现的概率，由于图像是由小目标和背景两部分组成的，设这两部分对应的灰度子集分别为：红外背景，C0={0，1，2，…，k};目标对象，C1={k+1，k+2，…，N};则两个类别的间方差为：

　　为节约程序运行时间，选取k的取值范围为[μ+5σ…N]，其中μ为整幅图像的均值，σ为整幅图像的平均差，直到找到使类间方差取最大值时的k值，即为最佳分割阈值th。