外文翻译译文-基于Davinci平台的近红外成像检测系统

基于Davinci平台的近红外成像检测系统LiHua,ZhangShi-chao,HanChao,ZhengMing,MengXiao-fengLiHua:Professor,DepartmentofPhysics,BeihangUniversity,Beijing,ChinaEmail:ZhangShi-chao:DepartmentofPhysics,BeihangUniversity,Beijing,ChinaEmail:摘要-红外成像探测技术是一种高新技术，涉及光学、电子学、机械和计算机科学在许多领域。该技术在预警、识别跟踪、公安、消防报警及应用等诸多领域起着至关重要的作用。本文主要阐述了基于DaVinci数字信号处理器（DSP）平台的近红外成像检测系统。这篇文章详细介绍了近红外成像探测系统的原理、硬件结构和图像数据处理算法。首先，从跟踪目标的红外辐射主要集中在近红外图像传感器CMOS通过红外光学透镜。利用复杂可编程逻辑器件（CPLD）控制图像传感器产生相应的图像数据，并将图像数据规模的CPLD配合后续的数据处理。CPLD在视频缓冲降噪也起着关键的作用。DavinciDSP-SOC将接受数据流之后，计算出相应的图像处理算法的目标位置去控制水平和垂直的舵机，实时锁定和跟踪红外目标。在DSP-SOCARM9核心运行Linux，这是自由和开放源码。用户可以人为程序的核心DSP算法和与PC更好的效果跟踪算法的跟踪。具有触摸屏和TFT液晶显示器，系统更加方便和人性化。由于高灵敏度和分辨率，近红外成像探测系统可用于夜间或在非常低的能见度，具有良好的目标识别能力和精度-检测能力。关键词-红外图像检测，红外图像处理，CMOS，DSP-SOC，ARM9。一、引言红外探测技术是一种高技术，利用红外探测器来捕获红外辐射来搜索和跟踪目标。它具有高精度，不受无线电频率干扰的影响，并且可以在白天和晚上进行操作。该技术通常用于火灾报警和公共安全。它大致可以分为非成像和成像探测技术。非成像红外探测技术是利用一个或多个红外探测器捕获和跟踪目标，因为它发出了由于原子和分子热运动的红外辐射。由于结构，它可以很容易地干扰了正常工作的云，雾和灰尘的影响。红外成像探测通常利用红外探测器阵列探测目标的红外辐射。探测器阵列通常是CCD或CMOS图像传感器和图像质量是类似于电视。但它可以工作在夜间和在非常低的能见度，这是在电视探测系统可以很难工作。红外成像探测技术已成为未来应用的一个重要方向。实现红外成像的方法有很多，主要采用以下2种方法：（1）多扫描红外成像探测器的线性阵列；（2）多个非扫描红外成像探测器平面阵列。红外成像探测器已发展迅速，因为1970年代，从线性阵列的平面阵列，并从近红外到远红外。红外探测器平面阵列的元素的数量在增加，红外成像探测系统具有良好的灵敏度和高空间分辨率，动态跟踪范围广，以及有效范围，相比非成像红外探测。红外成像探测系统具有更好的完成目标识别和精确检测的能力。在红外成像探测系统中，图像处理与目标识别的应用是非成像红外探测系统的一个关键特征。探测器阵列的灵敏度、图像处理的性能和目标识别算法、检测算法的性能和机械的流动性都决定了检测系统的性能。本文将深入到近红外成像检测系统基于DaVinciDSP平台的搜索，适用于视频和图像处理由于其结构。该平台具有ARM9内核移植Linux操作系统和C64x+DSP内核在实时成像算法。论文结构如下：第2节我们将揭露系统的框架；第3我们将深入的图像处理和识别的硬件设计研究；在第4节我们将描述我们的软件结构的方法，尤其是Linux操作系统的移植；在第5节中将深入研究图像处理与识别的算法和方法，适合于红外成像探测系统。二、系统框架系统大致可分为三个部分，硬件部分，软件部分和机械部分，以上各部分是一个有机的整体，相互关系密切。系统的框图如图1所示。图1.基于DaVinci平台框图的近红外图像检测系统如图1所示，从跟踪目标的红外辐射主要集中在近红外图像传感器CMOS通过红外光学透镜。用CPLD实现相应的图像数据流进行缩放和缓冲。达芬奇DSP-SOC将接受数据流之后，然后计算出相应的图像处理算法的目标定位。因为有目标的位置信息，然后该DSP控制水平和垂直的舵机，锁定和实时的红外目标跟踪。在DSP-SOCARM9核心运行Linux，这是自由和开放源码。用户可以人为程序的核心DSP算法和一个电脑触摸屏和TFTLCD的跟踪算法，系统更加方便和人性化。由于高灵敏度和高分辨率，近红外成像探测系统可用于夜间和在非常低的能见度，具有良好的目标识别能力和精度检测能力。三、硬件设计在非常低的情况下捕捉到的红外图像信号，在近红外波段的图像传感器具有高灵敏度的应用。最普遍使用的传感器是CCD和CMOS图像传感器。考虑到两表1的特征差异，CMOS图像传感器在灵敏度高在近红外波段的设计选择，低成本、低功耗。表1.CCD与CMOS图像传感器之间的特征差异.最关键的部分是在硬件DSP芯片，包括一个ARM核和DSP为控制核心的芯片。ARM作为主处理复杂系统和DSP核心的奴隶，处理视频处理与识别任务。给一个更清晰的硬件结构框图如图2所示将简要地介绍了视频处理子系统（VPSS）芯片上。图2.视频处理子系统的方框图视频处理子系统提供了一个输入接口（视频处理前端VPFE）外部成像设备如图像传感器、视频解码器等；输出接口（视频处理后端VPBE）显示设备，如模拟电视显示器，数字液晶面板，高清晰度电视视频编码器等。除了这些设备，还有一套通用缓冲存储器和DMA控制以确保有效使用带宽的DDR2爆裂。共享缓冲区的逻辑/内存是一个独特的块是专为无缝集成的VPSS到图像/视频处理系统。当务之急是，VPSS利用DDR2带宽效率由于其大带宽要求的VPSS模块的实时性的要求，因为它可以在这样一种方式，DDR2的带宽超过配置的虚拟生产系统模块，一组用户访问的寄存器设置监控数据传输溢出或失败。因此，数字信号处理器适合于图像检测任务。由于DDR2提供了系统运行的高带宽，对DDR2PCB设计的质量将影响整个系统的稳定性和鲁棒性。作为最高频率上近千兆赫，在设计工作中最具挑战性的是如何解决整个系统的电磁兼容性。按照要求，PCB至少应采用六层解决电磁兼容，和最小的PCB层叠的要求如表2所示。每个信号层都有一个地平面是指形成微带线和带状线。对信号完整性和电源完整性的多层设计也有好处。表2.最小的PCB层叠的要求.DDR2的路由将在下文中详细讨论。CK和ADDR_CTRL网类是完全来源通过DSP的DDR2器件。每一个网是一个平衡的“不”路线，见图3。段的长度应该是最大化的，从A到B或C的总长度应尽量减少。理想情况下，对照的网络类PCB延迟是为ADDR_CTRL网类的延迟相同。所有的网在CK和ADDR_CTRL网类匹配长度彼此在100毫升。并将网中的网放在一个差分对中，以实现高可靠性和抗噪性。其他痕迹应至少4W中心距远离CK网络类的痕迹（记得W=最小线宽/间距）。在ADDR_CTRL网类痕迹应间隔至少3中心互相中心。其他网络类痕迹应保持4W远离ADDR_CTRL网类。图3.拓扑要求addr_ctrl和时钟网络类构成四DQSB和四DQB字节八网类具有相同的路由规则。注意斜匹配是DQBn网类及其相关类之间需要DQSBn网。这些网络类的来源由DSP器件在写和来源的DDR2器件中读取。理想的情况下，网络课堂的DQSBnPCB延迟是为DQBn网类的延迟相同。在DQSBn和DQBn网类的所有网应该匹配长度彼此在100毫升。最长的微量允许等于长距离曼哈顿的DQSBn和DQBn网络类。其他痕迹应至少4W中心距远离DQSBn网类的痕迹。在DQBn网类痕迹应间隔至少3中心互相中心。其他网络类痕迹应保持4W远离DQBn网类。给硬件路由一个明确的观点，对DSP的DDR2PCB是在下面的图4显示详细。图4.DSP的PCB与DDR2的接口在PCB加工，仿真成功与133MHz的时钟速率和533MHz数据速率以保证系统能正常工作，波的地址总线和数据总线图分别为图5和图6所示。图5.在133MHz的DDR2的地址总线和时钟总线仿真图6.在533MHz的DDR2总线仿真四、软件设计Linux是Unix-like操作系统。经过几十年的发展，系统变得越来越成熟和流行。特色为开源，操作系统是免费的，灵活的使用。此外，Linux适用于工作站、服务器、个人电脑和嵌入式系统，它支持多个架构，CISC和RISC，如X86，ARM，MIPS，等等。嵌入式应用通常是用一个操作系统移植的，它是世界上最流行的一种，因为它是开源的，而且可靠性高。我们将充分利用系统和它的移植在我们的设计。首先，内核是操作系统的核心，它提供了进程管理、内存管理、文件系统、设备控制和网络的管理。功能块如图7所示。图7.内核的功能块进程管理模块是内核的一个关键模块，负责创建和终止进程。在不同的过程中，通过信号、管道或通信原语之间的通信是整个系统的基本功能，这是由内核来完成的。内存管理模块是确保所有进程可以安全地共享系统内存。而且还应该支持虚拟内存模式，提高内存使用效率。提供一个通用的外设接口，文件系统模块用于支持存储和驱动程序的外设和虚拟文件系统隐藏了不同的硬件细节。BootLoader代码运行开机后立即。有了BootLoader，可以初始化硬件设备，和按摩可以创建并通过相应的机制传递到内核。然后引导带来的系统到一个适当的方式和加载内核。图8显示了bootloader的基本流程图。Bootloader是密切依赖于硬件环境。除了建筑，bootloader也取决于板的配置，特别是嵌入式应用。图8.引导程序的流程图在程序初始化整个系统，然后释放权威的Linux内核，内核的作品。该设备驱动程序是在内核空间中的硬件和应用程序之间的常规工作。善良的逻辑设备和物理设备之间的一个转换器，它的任务是初始化和操作相应的I/O设备。该设备驱动程序的硬件的详细信息的应用程序。与设备驱动程序，应用程序可以控制硬件设备，易于操作普通文件。设计了红外图像检测系统的应用软件，实现了图像处理和识别任务的相应算法。该算法将在下面的部分详细说明。五、图像处理和识别算法和方法在该应用层完成了图像处理和识别程序。应用程序的流程图如图9所示。除了其他层的设计，我们将重点放在图像处理和识别算法和方法，在应用层根据流程图。红外图像通常是单色或假彩色，与低对比度，有时可能不清楚或难以识别。例如，图中所拍摄的鸟类在夜间或能见度低的情况下，可能不容易弄清楚，图像增强是为了扩大灰度或空间的细节，以获得清晰的图像，我们的设计中使用了一些方法，如灰度增强、对比度增强和直方图调整等。对比度增强放大N倍的像素的灰度值，即：g(x,y)=n*f(x,y)原始图像中的灰度值为f(x,y)，对比度增强的图像的灰度值为g(x,y)，这是原始图像的灰度值。直方图调整是一种用较少的像素来压缩灰度值的方法，并用更多的像素来扩展灰度值。对比度增强和直方图调整后，图像中的细节可以暴露。而相应的直方图是在这一过程之后的。原始图像往往随机分布的噪声，使图像的劣化。为了消除这种噪声，采用图像平滑或中值滤波，去除了原有图像的随机噪声，在过程中也丢失了尖锐的细节。图9.应用程序流程图在图像处理后，图像识别最终用于完成红外成像探测任务。基于微分的边缘检测与提取。由于边缘的灰度值的急剧变化，很显然，微分函数可以很好地提取变化。假设(x,y)呈现像素的位置，并且f(x,y)呈现灰色的值。一个矢量G（x,y）=，边缘可以很容易的计算出梯度，和是沿水平和垂直的(，)微分，用以下公式计算。-=(+1,)(,)=(,+1)(,)所以边缘的强度是,而方向是沿向量的方向。2+2(,)另一种常用的方法是基于模板匹配的边缘检测和提取。与模板匹配，负责研究图像的一致性和相应的模板。模式识别被应用到分类模式，根据彼此以确定对象是否是目标。并对以下方法进行了选择；模板匹配；统计分类；人工神经网络。模板匹配是图像识别中最早、最简单的图像识别方法，它是一种统计识别方法。匹配是用相关系数表示的一般操作，用于定义模板和样本之间的相似性。在使用模板匹配时，应首先建立模板，并通过训练样本对样本进行计算，并进行分类。统计分类方法提取目标图像的特征