红外成像制导目标检测低层处理的soc实现技术研究

《红外成像制导目标检测低层处理的soc实现技术研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、分类号学号200877475学校代码10487密级博士学位论文红外成像制导目标检测低层处理的SoC实现技术研究学位申请人：梁巢兵学科专业：控制科学与工程指导教师：沈绪榜教授桑红石副教授答辩日期：2015年11月11日ADissertationSubmittedinPartialFulfillmentoftheRequirementsFortheDegreeofDoctorofPhilosophyinEngineeringResearchonSoCimplementationoflowlevelprocessingforob

2、jectdetectionininfraredimagingguidanceCandidate:LiangChaobingMajor:ControlScienceandEngineeringSupervisor:Prof.ShenXubangCo-Supervisor:Ass.Prof.SangHongshiHuazhongUniversityofScience&TechnologyWuhan430074,P.R.ChinaNovember,2015独创性声明本人声明所呈交的学位论文是我个人在导师指导下进行的研究工作及取得

3、的研究成果。尽我所知，除文中已经标明引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写过的研究成果。对本文的研究做出贡献的个人和集体，均已在文中以明确方式标明。本人完全意识到本声明的法律结果由本人承担。学位论文作者签名：日期：年月日学位论文版权使用授权书本学位论文作者完全了解学校有关保留、使用学位论文的规定，即：学校有权保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅。本人授权华中科技大学可以将本学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存和汇编本学

4、位论文。保密□，在年解密后适用本授权书。本论文属于不保密□。（请在以上方框内打“√”）学位论文作者签名：指导教师签名：日期：年月日日期：年月日华中科技大学博士学位论文摘要红外成像制导作为精确制导武器的主要制导方式之一，具有探测精度高、抗干扰能力强、可靠性高、隐蔽性好等优势。红外末制导信息处理机是红外成像制导武器的核心组成部分之一，负责在复杂的红外背景中实时地检测、跟踪并识别目标。随着红外成像探测技术的迅猛发展，数据处理的实时性面临更大挑战：红外成像探测器持续向高分辨率，高帧频以及多波段成像方向发展，输入数据率呈指数增长；随

5、着探测器性能提高，获取的信息更多，自动目标识别（AutomicTargetRecognition，ATR）对信号处理的智能化程度提出更高的要求，相关算法的计算复杂度大幅度增加；弹载平台对信息处理系统的尺寸、重量与功耗（SizeWeightandPower，SWaP）要求严格，小型化、高集成度需求迫切。片上系统（SystemonChip，SoC）能够在单个硅芯片上实现图像采集、复杂信号处理以及数据通讯等功能，可以较好地满足以上需求，因此是红外成像制导信息处理机的理想选择。IP核是SoC的基础和核心，决定SoC的功能与数据处理

6、速度。本文针对一款红外成像制导中低层图像处理SoC芯片的图像预处理需求，开展非制冷红外焦平面阵列（InfraredFocalPlaneArray，IRFPA）非均匀性校正（Non-UniformityCorrection，NUC）与全局运动估计（GlobalMotionEstimation，GME）的算法研究，并设计相应的IP核。具体而言有以下内容：针对非制冷IRFPA的NUC问题，首先提出一种线性与非线性滤波器相结合的非均匀性校正方法。与其他基于最小均方（LeastMeansSquare，LMS）的NUC方法相比，该方法

7、收敛速度更快，“鬼影”抑制能力更强。该方法在固定图案噪声（FixedPatternnNoise，FPN）水平较高时使用大尺寸均值滤波器迅速降低FPN水平；当FPN水平降至较低水平时，使用具有边缘保持能力的Sigma滤波器抑制强边缘引起的“鬼影”。此外，利用Sigma滤波器实现迭代步长自适应调整以及异常像素检测替换。该方法计算复杂度较低，非常适合硬件实现。针对红外图像序列的GME问题，提出一种基于特征区域的快速GME方法。该方法解决了基于梯度的GME方法面临的计算复杂度过高、存储器带宽需求过高的问题。在层次化处理框架下，对顶

8、层高斯金字塔图像进行角特征点检测，仅将以特征点为中I华中科技大学博士学位论文心的局部区域（特征区域）用于GME迭代计算。由于特征区域中存在显著的二维空间结构，不但参与计算的像素比其他基于梯度的方法更少，而且受图像混叠影响更小、迭代速度更快、运动参数估计准确性更高。完成上一层图像的运动估计后，找出运动估计