基于DSP/BIOS圖像處理的弱小目標(biāo)檢測

王忍寶，許四祥，李天甲，翟健健

?

基于DSP/BIOS圖像處理的弱小目標(biāo)檢測

王忍寶，許四祥，李天甲，翟健健

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

以數(shù)字信號處理（Digital Signal Processing, DSP）平臺實現(xiàn)圖像處理的應(yīng)用開發(fā)一般較復(fù)雜，不利于復(fù)雜背景下弱小目標(biāo)的檢測。為提高檢測程序執(zhí)行的高效性和穩(wěn)定性，提出了基于DSP/BIOS圖像處理的弱小目標(biāo)檢測方法。該方法以高性能數(shù)字媒體處理器DM642為核心，以DSP/BIOS內(nèi)核和動態(tài)調(diào)用API函數(shù)為輔助，以工業(yè)現(xiàn)場復(fù)雜鎂熔液中弱小目標(biāo)檢測為載體，并通過數(shù)字I/O口的輸出信號來判斷檢測的目標(biāo)。經(jīng)過不同條件下400次實驗結(jié)果表明，綜合檢測率高達(dá)90.5%，與單線程DSP檢測算法相比，檢測率提高了11.04%，檢測程序的執(zhí)行效率和穩(wěn)定性都得到提高。

圖像處理；弱小目標(biāo)檢測；DSP/BIOS；DM642

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，其檢測技術(shù)在紅外告警、目標(biāo)搜索與跟蹤、紅外成像制導(dǎo)等各方面受到國內(nèi)外的廣泛重視[1-3]。近年來，對目標(biāo)提取處理的研究也越來越多，王永皎[4]等人針對數(shù)字圖像傳輸?shù)陌踩?，提出了DWT-SVD和DSP的數(shù)字圖像加密算法，通過驗證并保證了其安全性；文獻(xiàn)[5]利用嵌入式多核DSP實現(xiàn)了對粒子濾波目標(biāo)追蹤的低延時，使較高復(fù)雜度的運算被分配到多個DSP核上；黃戰(zhàn)華[6]等針對非致冷紅外焦平面陣列（IRFPA）固有的非均勻性，提出了基于DSP＋CPLD的低功耗實時紅外成像系統(tǒng)實現(xiàn)方法。然而，盡管數(shù)字信號處理技術(shù)已成為當(dāng)今最廣泛的應(yīng)用技術(shù)之一，但單線程DSP在處理算法復(fù)雜以及數(shù)據(jù)量大的圖像時不僅會花費較多的時間，而且處理多緩沖變量時會存在延時，其檢測效率不高。

為此，德州儀器公司（Texas Instruments, TI）提出了尺寸可伸縮的實時內(nèi)核DSP/BIOS[7]。文獻(xiàn)[8-10]分別從邊緣檢測算法、DSP/BIOS下大數(shù)據(jù)和CPU之間的矛盾以及多線程任務(wù)交互等不同方面分析了DSP/BIOS工程的運行、任務(wù)通訊實時檢測和DSP/BIOS的視頻圖像采集處理；然而針對復(fù)雜背景下弱小目標(biāo)成像面積小、形狀特征微弱、信噪比弱低等特點，李正周[11]和韓建濤[12]分別從兩級濾波方法和DSP＋FPGA硬件架構(gòu)對復(fù)雜背景下的弱小目標(biāo)檢測進(jìn)行了研究。基于此，本文提出了基于DSP/BIOS圖像處理的弱小目標(biāo)自動檢測系統(tǒng)，進(jìn)一步研究了復(fù)雜背景下弱小目標(biāo)的實時檢測。

1 實時操作系統(tǒng)DSP/BIOS簡介

DSP/BIOS是TI公司為DSP設(shè)計的一種可裁剪的嵌入式多線程操作，占用極少的CPU資源，且已在DSP集成開發(fā)環(huán)境CCS（Code Composer Studio）中嵌入了操作方便的DSP/BIOS開發(fā)工具[7]。DSP/BIOS提供了大量的應(yīng)用程序接口（Application Programming Interface, API），只要符合C語言的使用規(guī)定，都可以調(diào)用DSP/BIOS；通過集成開發(fā)環(huán)境（CCS3.3），DSP/BIOS分析工具可以較好地實現(xiàn)對程序的調(diào)試，更好地觀察其性能，同時縮短了程序開發(fā)時間；DSP/BIOS配置工具能夠確定DSP/BIOS使用的配置參數(shù)和調(diào)用需要的DSP/BIOS模塊。

2 DSP/BIOS檢測程序開發(fā)系統(tǒng)

2.1 弱小目標(biāo)檢測平臺

弱小目標(biāo)檢測平臺主要有3部分組成：一是工作主頻600MHz，處理性能4800MIPS的DM642芯片，它是TI公司推出的定點DSP領(lǐng)域性能較高的數(shù)字信號處理器，與其他芯片相比，開發(fā)周期短、芯片功耗低、產(chǎn)品穩(wěn)定性高[13]，包括一個新的C編譯器、一個組裝優(yōu)化器、一個可見性的Windows調(diào)試窗口的完整開發(fā)工具[14]；二是TI公司為C6000系列DSP設(shè)計的實時操作系統(tǒng)DSP/BIOS提供了豐富的API函數(shù)、配置模塊以及可用于實時調(diào)試的分析工具；三是發(fā)光二極管裝置，該裝置主要用于接收I/O口的輸出信號，用于輔助對弱小目標(biāo)檢測的判斷。弱小目標(biāo)檢測平臺如圖1所示。

2.2 檢測程序設(shè)計

檢測算法流程如圖2所示。以鎂熔液中弱小目標(biāo)的檢測為例，主要從圖像采集、圖像處理和圖像顯示3部分設(shè)計基于DSP/BIOS的弱小目標(biāo)檢測，其中圖像處理部分是核心。第一部分實現(xiàn)對圖像的采集，并通過解碼器TVB5150將模擬信號轉(zhuǎn)換為可處理的數(shù)字信號；第二部分先對轉(zhuǎn)換后的數(shù)字圖像用半因果支持域?qū)ψ畲蠡尘邦A(yù)測[15]進(jìn)行去噪處理，抑制圖像中的噪聲點；其次將去噪處理的圖像和轉(zhuǎn)換的數(shù)字圖像作幀差運算，以去除灰度值相同的像素點；然后對其進(jìn)行閾值分割，得到只有黑白像素點的二值圖像；最后對二值圖像進(jìn)行形態(tài)學(xué)開運算；第三部分用視頻編碼器SAA7121對處理的數(shù)字圖像進(jìn)行編碼，將其轉(zhuǎn)換為連續(xù)的模擬信號并顯示出來。

圖1 弱小目標(biāo)檢測平臺

圖2 檢測算法流程圖

噪聲抑制能力的強弱直接決定圖像處理效果，在對圖像去噪處理時首先要選擇合適的窗口處理模板，窗口處理模板可用元素是0或1的×（為奇數(shù)）的矩陣表示，0表示所處元素不處理，1表示所處元素處理。圖3表示不同常用模板的去噪效果圖（白色方框內(nèi)為弱小目標(biāo)），從圖中看到5×5模板處理效果極差、7×7和9×9模板處理效果相似，但9×9邊緣處理比較模糊會導(dǎo)致部分信息丟失，同時由于大模板的計算量大會導(dǎo)致處理速度減慢，因此文章選用7×7的處理模板，結(jié)合半因果支持域?qū)ψ畲蠡尘邦A(yù)測，7×7的一對噪聲處理模板如圖4所示。

幀差處理后需要對圖像進(jìn)行閾值分割，文獻(xiàn)[15]中的自適應(yīng)閾值分割針對不同幀圖像在處理一幀圖像時模板窗口只使用同一個閾值，對復(fù)雜背景下的圖像處理具有很弱的適應(yīng)性。因此文章對文獻(xiàn)[15]中的自適應(yīng)閾值分割進(jìn)行改進(jìn)，通過滑動的7×7閾值處理模板窗口（如圖5所示，方框內(nèi)的1表示處理模板的中心，其坐標(biāo)點為(,)），能夠?qū)崟r計算每一幀圖像中每個處理模板內(nèi)的閾值，對復(fù)雜背景下弱小目標(biāo)分割更具有針對性。其改進(jìn)的模板窗口內(nèi)自適應(yīng)閾值分割算法表達(dá)式如公式(1)所示：

圖3 不同模板去噪處理

圖4 7×7去噪處理模板

圖5 7×7閾值處理模板

2.3 DSP/BIOS程序開發(fā)流程

DSP/BIOS程序開發(fā)流程包括以下幾個步驟：

1）利用CCS3.3首先創(chuàng)建一個工程文件tiaoshi3.pjt，并在工程文件中創(chuàng)建DSP/BIOS配置文件tiaoshi3.tcf。

2）根據(jù)工程文件中的檢測算法需要，配置ISRAM、SDRAM以及堆棧heap、創(chuàng)建線程（Input_task、Process_task、Output_task）和communicate對象。配置完成后會自動生成msgq.h62、tiaoshi3cfg.h、pool.h62、tiaoshi3cfg.h62以及命令文件tiaoshi3cfg. cmd。同時在工程文件中添加tiaoshi3.cfg、source文件以及在第一行包含語句“-l tiaoshi3cfg.cmd”的local.cmd文件。

3）通過JTEG口連接DM642和仿真器SEED- XDS560PLUS與PC機。

4）重復(fù)編譯調(diào)試工程，直至程序運行正確。

如圖6所示，在初始化DM642和DSP/BIOS后，通過對函數(shù)的調(diào)用啟動DSP/BIOS。

圖6 DSP/BIOS程序啟動流程圖

首先通過Input_task線程獲取將要處理的圖像，存入輸入數(shù)據(jù)緩沖區(qū)后給Process_task線程發(fā)送SCOM[16]消息，此SCOM消息包含了指向緩沖區(qū)的指針，完成后將Input_task線程掛起，直至Output_task線程發(fā)送SCOM消息再次激活此線程；掛起狀態(tài)的Process_task線程接收到Input_task線程出的SCOM消息后得以激活，并調(diào)用弱小目標(biāo)檢測函數(shù)對指針指向的輸入數(shù)據(jù)緩沖區(qū)的圖像進(jìn)行處理，結(jié)束后發(fā)送SCOM消息給Output_task線程，并轉(zhuǎn)為掛起狀態(tài)，直到Input_task線程發(fā)送SCOM消息再次激活；掛起狀態(tài)的Output_task線程接收到Process_task線程發(fā)送的SCOM消息后得以激活，將指針指向輸出緩沖區(qū)進(jìn)行輸出，結(jié)束后發(fā)送SCOM消息給Input_task線程，并轉(zhuǎn)為掛起狀態(tài)直到下一幀的到來。

3 實驗結(jié)果分析

實驗中圖像大小×為560×530，經(jīng)過反復(fù)調(diào)試，閾值分割系數(shù)取16。實現(xiàn)弱小目標(biāo)檢測程序主要包括DSP/BIOS配置文件tiaoshi3.tcf、主函數(shù)main.c和panduan.c等6個調(diào)用函數(shù)、命令文件local.cmd和tiaoshi1cfg.cmd、SEEDDM642.gel文件以及自生產(chǎn)文件tiaoshi3cfg.s62和tiaoshi3cfg_c.c等幾部分。經(jīng)過不同條件下400次實驗的反復(fù)編譯、調(diào)試、運行，同時結(jié)合目標(biāo)判斷程序和發(fā)光二極管裝置（如圖7所示），一旦檢測到弱小目標(biāo)（如圖8、圖9所示，白色方框內(nèi)為弱小目標(biāo)），輸出信號就會觸發(fā)二極管使其發(fā)光，驗證表明燈亮與目標(biāo)檢測成功率達(dá)到90.5%，如表1所示，相比單線程DSP檢測成功率提高了11.04%，其中光源為艾菲特公司的視覺光源AFT RD120W。

圖7 發(fā)光二極管裝置

圖8 目標(biāo)析出原圖像

圖9 檢測結(jié)果圖像

表1 不同條件下的實驗結(jié)果

4 結(jié)語

本文提出了一種基于DSP/BIOS圖像處理的弱小目標(biāo)檢測方法，該方法利用改進(jìn)的自適應(yīng)閾值分割和多線程DSP/BIOS編寫程序的同時，借助DM642板上I/O口的輸出信號觸發(fā)二極管發(fā)光。實驗數(shù)據(jù)表明，利用多線程DSP/BIOS技術(shù)和改進(jìn)的自適應(yīng)閾值分割能使弱小目標(biāo)的檢測成功率提高到90.59%，能夠有效檢測到復(fù)雜背景下鎂熔液中的弱小目標(biāo)，相比單線程DSP，檢測成功率提高了11.04%，其檢測效率和穩(wěn)定性均得到明顯提高。

[1] LIU L, HUANG Z J. Infrared dim target detection technology based on background estimate[J]., 2014, 62: 59-64.

[2] 龔俊亮. 紅外弱小多目標(biāo)實時檢測跟蹤技術(shù)研究[D]. 北京: 中國科學(xué)院大學(xué), 2013: 9-10.

GONG Junliang. Research on real-time infrared small targets detection and tracking[D]. Beijing: University of Chinese Academy of Sciences, 2013: 9-10.

[3] 馬國銳, 王長力, 眭海剛, 等. 弱小目標(biāo)可見光傳感器成像特性研究[J]. 無線電工程, 2010, 40(1): 48-51.

MA Guorui, WANG Changli, SUI Haigang, et al. Small target imaging mechanism of visual CCD sensor[J]., 2010, 40(1): 48-51.

[4] 王永皎, 王川. 基于DWT-SVD和DSP的數(shù)字圖像加密算法實現(xiàn)[J]. 計算機應(yīng)用與軟件, 2013, 30(4): 141-144.

WANG Yongjiao, WANG Chuan. Implementation of digital image Encryptino algorithm based on DWT-SVD and DSP[J]., 2013, 30(4): 141-144.

[5] 田立, 周付跟, 孟偲. 基于嵌入式多核DSP系統(tǒng)的并行粒子濾波目標(biāo)跟蹤[J]. 紅外與激光工程, 2014, 43(7): 2354-2361.

TIAN Li, ZHOU Fugen, MENG Si. Parallel particle filter object tracking based on embedded multicore DSP systems[J]., 2014, 43(7): 2354-2361.

[6] 黃戰(zhàn)華, 楊鶴猛, 孫立彬, 等. 一種于DSP＋CPLD的低功耗實時紅外成像系統(tǒng)實現(xiàn)方法[J]. 光學(xué)技術(shù), 2012, 38(1): 14-18.

HUANG Zhanhua, YANG Hemeng, SUN Libin, et al. An implement method for real-time infrared imaging system with low power consumption based on DSP＋CPLD[J]., 2012, 38(1): 14-18.

[7] Texas Instruments.S320C6000(API)[M]. Literature Number: SPRU403F, 2003.

[8] 宋勝利, 曾巒. DSP/BIOS在數(shù)字圖像處理中的應(yīng)用[J]. 國外電子測量技術(shù), 2005, 24(12): 33-36.

SONG Shengli, ZENG Luan. Application of DSP /BIOS in digital image processing[J]., 2005, 24(12): 33-36.

[9] 周一君, 馬莉. DSP/BIOS環(huán)境下視頻圖像火焰檢測算法實現(xiàn)[J]. 機電工程, 2009, 26(12): 34-38.

ZHOU Yijun, MA Li. Implementation of video images flame detection under the DSP/BIOS[J]., 2009, 26(12): 34-38.

[10] 項馨儀, 陳芬, 徐升陽. 基于DSP/BIOS的視頻圖像采集處理平臺軟件設(shè)計[J]. 微型機與應(yīng)用, 2013, 32(18): 35-37.

XIANG Xinyi, CHEN Fen, XU Shengyang. Software design of the image collection process platform based on DSP/BIOS[J]., 2013, 32(18): 35-37.

[11] 李正周, 田蕾, 鄭微, 等. 基于DSP的序列圖像弱小運動目標(biāo)檢測[J]. 電子技術(shù)與應(yīng)用, 2011, 37(7): 134-137.

LI Zhengzhou, TIAN Lei, ZHENG Wei, et al. Multi-frame detection of dim target based on DSP[J].2011, 37(7): 134-137.

[12] 韓建濤, 王書宏, 張月, 等. 一種基于的弱小目標(biāo)實時檢測算法研究[J]. 光電子技術(shù)與信息, 2005, 18(5): 59-63.

HAN Jiantao, WANG Shuhong, ZHANG Yue, et al. Research of real time detection algorithm for small targets based on DSP[J]., 2005, 18(5): 59-63.

[13] 侍海東, 許四祥, 王忍寶, 等. 基于DM642圖像處理的鎂溶液第一氣泡檢測[J]. 鑄造, 2015, 64(5): 437-439.

SHI Haidong, XU Sixiang, WANG Renbao, et al. Detection of the first bubble in magnesium melt based on DM642 image processing[J]., 2015, 64(5): 437-439.

[14] 趙小強. 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.

[15] 王忍寶, 許四祥, 翟健健, 等. 基于DSP的雙層流水線在弱小目標(biāo)檢測中的應(yīng)用[J]. 紅外技術(shù), 2016, 38(7): 587-591.

WANG Renbao, XU Sixiang, ZHAI Jianjian, et al. Application of double-pipeline on dim and weak target detection based on DSP[J]., 2016, 38(7): 587-591.

[16] 史英, 張衛(wèi)寧, 王瑋, 等. 基于RF5的DSP開發(fā)方法的研究[J]. 自動化儀表, 2007, 24(4): 22-25.

SHI Ying, ZHANG Weining, WANG Wei, et al.Research on DSP development method based on RF5[J]., 2007, 24(4): 22-25

Detection of Weak and Small Targets Based on DSP/BIOS Image Processing

WANG Renbao，XU Sixiang，LI Tianjia，ZHAI Jianjian

（Mechanical Engineering Institute, Anhui University of Technology, Ma’anshan 243032, China）

The application and development of image processing methods that are based on the digital signal processing platform aregenerally complex processes;theseare also not feasible for the detection of weak and small targets in a complex background. In order to improve the efficiency and stability of a detection program, a method for the detection of weak and small targets based on DSP/BIOS image processing was proposed. In this method, the high performance of the digital media processor DM642 was considered to be the core, and the DSP/BIOS kernel and dynamic call API function were the auxiliary modules.Weak and small targets were detected in an industrial scenario where magnesium melt was used as the carrier in a complex background;the estimated target was determined by observing the output signal of the digital I/O. The results of 400 experiments under different conditions showed that detection rate was 90.59%, which is 11.04% higher than thatof a single thread DSP detection algorithm; moreover, the efficiency and stability of the detection program also improved.

image processing，weak and small target detection，DSP/BIOS，DM642

TP391

A

1001-8891(2017)06-0500-05

2016-08-27；

2016-09-16.

王忍寶（1987-），男，安徽省臨泉人，碩士研究生，主要研究方向為機器視覺與人工智能。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）；研究生創(chuàng)新基金資助項目（2015033）；國家級大學(xué)生創(chuàng)新訓(xùn)練資助項目（201510360033）。