紅外成像制導(dǎo)目標(biāo)檢測(cè)低層處理的SoC實(shí)現(xiàn)技術(shù)研究.pdf

1、紅外成像制導(dǎo)作為精確制導(dǎo)武器的主要制導(dǎo)方式之一，具有探測(cè)精度高、抗干擾能力強(qiáng)、可靠性高、隱蔽性好等優(yōu)勢(shì)。紅外末制導(dǎo)信息處理機(jī)是紅外成像制導(dǎo)武器的核心組成部分之一，負(fù)責(zé)在復(fù)雜的紅外背景中實(shí)時(shí)地檢測(cè)、跟蹤并識(shí)別目標(biāo)。隨著紅外成像探測(cè)技術(shù)的迅猛發(fā)展，數(shù)據(jù)處理的實(shí)時(shí)性面臨更大挑戰(zhàn)：紅外成像探測(cè)器持續(xù)向高分辨率，高幀頻以及多波段成像方向發(fā)展，輸入數(shù)據(jù)率呈指數(shù)增長(zhǎng)；隨著探測(cè)器性能提高，獲取的信息更多，自動(dòng)目標(biāo)識(shí)別（AutomicTarget Rec

2、ognition，ATR）對(duì)信號(hào)處理的智能化程度提出更高的要求，相關(guān)算法的計(jì)算復(fù)雜度大幅度增加；彈載平臺(tái)對(duì)信息處理系統(tǒng)的尺寸、重量與功耗（SizeWeightandPower，SWaP）要求嚴(yán)格，小型化、高集成度需求迫切。片上系統(tǒng)（Systemon Chip，SoC）能夠在單個(gè)硅芯片上實(shí)現(xiàn)圖像采集、復(fù)雜信號(hào)處理以及數(shù)據(jù)通訊等功能，可以較好地滿(mǎn)足以上需求，因此是紅外成像制導(dǎo)信息處理機(jī)的理想選擇。IP核是SoC的基礎(chǔ)和核心，決定SoC的功能

3、與數(shù)據(jù)處理速度。本文針對(duì)一款紅外成像制導(dǎo)中低層圖像處理SoC芯片的圖像預(yù)處理需求，開(kāi)展非制冷紅外焦平面陣列（InfraredFocal Plane Array，IRFPA）非均勻性校正（Non-Uniformity Correction，NUC）與全局運(yùn)動(dòng)估計(jì)（GlobalMotion Estimation，GME）的算法研究，并設(shè)計(jì)相應(yīng)的IP核。具體而言有以下內(nèi)容：
　　針對(duì)非制冷IRFPA的NUC問(wèn)題，首先提出一種線性與非線性

4、濾波器相結(jié)合的非均勻性校正方法。與其他基于最小均方（LeastMeans Square，LMS）的NUC方法相比，該方法收斂速度更快，“鬼影”抑制能力更強(qiáng)。該方法在固定圖案噪聲（Fixed Patternn Noise，F(xiàn)PN）水平較高時(shí)使用大尺寸均值濾波器迅速降低 FPN水平；當(dāng) FPN水平降至較低水平時(shí)，使用具有邊緣保持能力的Sigma濾波器抑制強(qiáng)邊緣引起的“鬼影”。此外，利用 Sigma濾波器實(shí)現(xiàn)迭代步長(zhǎng)自適應(yīng)調(diào)整以及異常像素檢測(cè)

5、替換。該方法計(jì)算復(fù)雜度較低，非常適合硬件實(shí)現(xiàn)。
　　針對(duì)紅外圖像序列的GME問(wèn)題，提出一種基于特征區(qū)域的快速GME方法。該方法解決了基于梯度的GME方法面臨的計(jì)算復(fù)雜度過(guò)高、存儲(chǔ)器帶寬需求過(guò)高的問(wèn)題。在層次化處理框架下，對(duì)頂層高斯金字塔圖像進(jìn)行角特征點(diǎn)檢測(cè)，僅將以特征點(diǎn)為中心的局部區(qū)域（特征區(qū)域）用于GME迭代計(jì)算。由于特征區(qū)域中存在顯著的二維空間結(jié)構(gòu)，不但參與計(jì)算的像素比其他基于梯度的方法更少，而且受圖像混疊影響更小、迭代速度更

6、快、運(yùn)動(dòng)參數(shù)估計(jì)準(zhǔn)確性更高。完成上一層圖像的運(yùn)動(dòng)估計(jì)后，找出運(yùn)動(dòng)估計(jì)誤差最大的部分特征區(qū)域，并剔除對(duì)應(yīng)的特征點(diǎn)。在下一層圖像運(yùn)動(dòng)估計(jì)時(shí)，僅使用剩余特征點(diǎn)對(duì)應(yīng)的特征區(qū)域。這樣不但提高對(duì)大運(yùn)動(dòng)目標(biāo)的魯棒性，而且降低了計(jì)算復(fù)雜度。該方法具有運(yùn)動(dòng)模糊幀檢測(cè)功能，可避免模糊圖像幀引起的GME誤差甚至錯(cuò)誤，這是同類(lèi)方法不具備的。
　　最后，完成了實(shí)時(shí)實(shí)現(xiàn)該GME方法的硬件電路設(shè)計(jì)。針對(duì)基于梯度的GME方法硬件實(shí)現(xiàn)存在的外部存儲(chǔ)器帶寬需求過(guò)高、

7、存儲(chǔ)器訪問(wèn)不規(guī)則等問(wèn)題，提出以子塊為單位進(jìn)行數(shù)據(jù)處理與訪問(wèn)的方法。采用適當(dāng)?shù)钠稀⑵獯鎯?chǔ)器分配與管理策略，在減少片上存儲(chǔ)器容量與降低片外存儲(chǔ)器帶寬需求之間獲得較好平衡。此外，電路中廣泛使用流水線設(shè)計(jì)、計(jì)算單元分時(shí)復(fù)用以及簡(jiǎn)化計(jì)算等硬件設(shè)計(jì)技巧，在提高幀頻、降低存儲(chǔ)器帶寬需求的同時(shí)減小電路面積、降低功耗。該電路對(duì)分辨率352x288、幀頻30Hz的圖像序列進(jìn)行實(shí)時(shí)GME時(shí)，外部存儲(chǔ)器帶寬需求僅為5.9MB/s，遠(yuǎn)低于相關(guān)文獻(xiàn)中的同類(lèi)電路