復雜場景下圖像目標提取與識別裝置的制作方法

專利名稱：復雜場景下圖像目標提取與識別裝置的制作方法
技術領域：
實用新型涉及一種復雜場景下圖像目標提取與識別裝置，屬于圖像信號獲取與處
理領域。
背景技術：
在視頻目標跟蹤、工業產品檢測等應用中，常常需要對運動目標進行跟蹤和識別。 當目標距離成像系統較遠時，目標的像只占據場景圖像中單個或者幾個像素，這類微小尺 寸目標的形態特征就近似與一個點目標。由于成像過程中往往會受到噪聲和外界環境干擾 等的影響，使得微小目標接近圖像中的隨機噪聲，從而增加了識別和提取的難度。 目前在微小目標的提取和識別的方法上，首先在成像傳感器上采用高空間分辨率 的攝像頭來減少微小目標成像過程中的干擾和噪聲。通過詳細的記錄場景中的細節信息來 提高后續微小目標的識別處理的準確度。而高分辨率攝像頭造價都比較高，在實際應用中 難以得到推廣。 其次在提取識別算法上，該類算法建立在兩大假設上一是目標與背景存在相對 運動，通過運動的差異來區分微小目標和背景；通常采用的方法有光流場法，濾波器法等。 光流場法的計算量巨大，在實時監測中難以滿足速度的要求，同時該方法很難識別出微小 目標的存在。當目標在相鄰幀之間的運動距離小于一個像素時，光流場法將檢測不出目標 的移動，從而無法識別出目標；濾波法是依據運動目標速度高于背景運動速度的思想，將微 小目標作為時域高頻成份，而背景是低頻成份，因此采用時域高通濾波器提取微小目標。這 樣的方法簡單易行但是需要背景和目標之間存在相對大的運動速度差異，而對于相對與背 景靜止的微小目標該方法則不能取得理想的檢測效果。二是背景的可預測性，通過預測背 景模型和去除背景提取小目標。常用的方法有相關預測法，該方法是通過前后幀的相關性 來預測出背景模型，采用當前場景圖像減去預測的背景圖像獲得目標的精確位置從而識別 微小目標的存在。該方法適用范圍較廣，但是該方法會對背景的變化速度有所限制，只有緩 慢變換或者基本不變的背景才是有效的，而且需要相關場景的配準才能準確的去除背景。 以上的方法的共同缺點是當微小目標和背景之間相對靜止，或者運動差異較小時提取微 小目標的能力較差。 在昆蟲視覺系統的啟發下，首先是模擬昆蟲復眼結構的成像裝置層出不窮，大視 場是該類成像裝置的主要優點。其次是利用昆蟲對運動的敏感性，模擬復眼內部神經處理 機制實現目標的運動檢測。隨著生物分析手段的不斷提高，人們發現昆蟲視覺系統在微小 目標的提取和識別上具有獨特的敏銳性。同時這樣的敏銳性在準確度和簡易性上大大超越 了目前現有的信號處理算法，本實用新型利用復眼這種特性來識別微小目標的算法還未見 報道。 分析復眼的結構可以知道復眼是由成千上萬只小孔徑眼組成，小眼之間由于受 到衍射和干涉的影響，獲取的場景圖像分辨率都較低。2006年Nordstrom K等人發現了在 雌性岈蠅的視覺系統中存在一種微小目標探測神經元，它可以在目標和背景之間無相對運
3動的情況下探測到微小目標的存在，而這類目標的尺寸一般都小于或等于一個光感受器的 視野范圍。隨后Steven D.等人構建出了該神經細胞的物理模型。他指出不論目標與背景 之間是否存在相對運動，微小目標是否可以被檢測的關鍵在于它的空間統計特性是否足夠 突出，以至于可以通過高度非線性濾波器檢測出來。綜上所述可知昆蟲復眼中的神經元對 圖像的對比度具有極高的敏感性，目標可否被發現完全取決于目標所在范圍內的局部對比 度。同時復眼在微小目標的選取過程中有效的結合了局部空間抑制機理，當目標的尺寸稍 大時小眼對目標的選擇性將大大降低。 復眼針對微小目標提取和識別的獨特性在于1.復眼視網膜圖像的低分辨率特 性很好的降低了背景噪聲的干擾。2小眼圖像的局部性，在較小的小眼視網膜圖像中背景的 灰度值近似相同，而微小目標的尺寸只占據一個或者幾個像素，小眼的單獨處理可以避免 人工處理時需要考慮到的復雜空間交互影響等問題。3.復眼視網膜具有快速恢復的特點， 快速變換的背景在復眼看來都是緩慢的，甚至可以忽略認為是靜止的。這樣大大簡化了對 快速運動的復雜背景的預測和抑制處理。4小眼神經細胞的自適應機制可以對反復出現的 紋理信息起到抑制的作用，減少了背景紋理對微小目標提取的干擾。5.復眼檢測微小目標 較傳統的數字信號處理方法具有簡單，快速等特點，是信號處理算法無法比擬的。

實用新型內容本實用新型目的是針對現有技術存在的缺陷提供一種復雜場景下圖像目標提取 與識別裝置。 本實用新型為實現上述目的，采用如下技術方案 本實用新型復雜場景下圖像目標提取與識別裝置，其特征在于包括圖像獲取預處 理模塊、圖像配準模塊和微小目標檢測和輸出模塊，其中圖像獲取預處理模塊由n個圖像 獲取預處理子模塊組成，每個圖像獲取預處理子模塊都由CCD攝像頭串接可編程視頻信號 處理器構成；圖像配準模塊由兩個SRAM存儲芯片和FPGA芯片組成；微小目標檢測和輸出 模塊由兩個FLASH芯片和DSP芯片組成；n個可編程視頻信號處理器的輸出端分別接FPGA 芯片的輸入端，兩個SRAM存儲芯片和FPGA芯片雙向通信連接，FPGA芯片和兩個FLASH芯 片分別與DSP芯片雙向通信連接，其中n為自然數。 本實用新型采用的多個普通CCD攝像頭、DSP芯片、FPGA芯片及存儲芯片和相關的 仿生處理算法，實現復雜場景下的微小目標檢測。充分利用生物視覺機理，避免了普通信號 處理方法復雜性的缺點。同時該方法可以對復雜背景下的微小目標進行探測，不論該目標 與背景之間是否存在相對運動。該目標檢測裝置大大降低了成本，避免了普通計算方法的 復雜性，同時可以通過改進CCD的排列方式增加場景面積。 本實用新型構建了一種基于傅里葉光學的微小目標檢測裝儀。該裝置模擬昆蟲復 眼獲取和處理信息過程中基于對比度的微小目標識別方法，采用多部普通的CCD照攝像機 在DSP芯片與FPGA芯片的輔助下模擬復眼神經處理信息的方式，實現復雜場景下微小目標 的高準確率檢測和識別。昆蟲的視覺神經細胞在功能上基本可以近似為不同類型的濾波 器，這些濾波器組成了針對特定尺寸目標的最佳匹配濾波器。 本實用新型首先具有成本低，計算復雜性低，原理簡單靈活等特點。其次本實用新 型不受目標運動速度的限制，對于靜止在場景中或者具有和場景相同運動速度的微小目標同樣可以檢測到它的存在。最后本實用新型抗噪聲干擾性強，對復雜背景具有一定的魯棒 性。

附圖l:本實用新型的硬件邏輯圖；附圖2:本實用新型算法流程方框圖；附圖3:配準流程圖；附圖4:仿復眼微小目標檢測流程圖；附圖5:SAA7111電路圖；附圖6:CCD攝像機與視頻信號轉換芯片連接圖附圖7:DSP與FLASH的連接圖。
具體實施方式
以下結合附圖對實用新型的技術方案進行詳細說明 圖1顯示了硬件邏輯圖，主要有三個模塊組成，由可編程視頻信號處理器SAA7113 與三個MV-VS078FM/FC型號的CCD攝像頭組成的圖像獲取預處理模塊，此處以三個CCD攝 像頭為例；Apex系列的EP20K600EBC652的FPGA芯片與兩個SRAM芯片組成的圖像配準模 塊；32位浮點DSP TMS320C6711B芯片與兩片FLASH芯片組成的微小目標檢測和輸出模塊。 本實用新型采用型號為MV-VS078FM/FC的黑白高速工業CCD相機攝像頭，分辨率 為1024X768，幀速率為30幀每秒，采用標準的鏡頭接口。具有信號穩定，CPU資源占用 少，多臺相機可同時連接到一個CPU上等特點，適合智能交通，機器視覺等應用領域。可編 程視頻信號處理器SAA7111采用的CMOS工藝，該芯片內部包括了兩路模擬信號處理通道， 可以選擇視頻源，同時可以實現數模變換、多制式變換和抗混疊濾波等，另外對亮度、對比 度和飽和度進行控制。DSP芯片TMS320C6711B的主頻為150腿z，內部集成硬件乘法器和 累加器，適用于計算量大、實時性高的數字圖像處理領域。FPGA芯片采用的是Apex系列的 EP20K600EBC652。該款芯片具有高速度(622MHz的數據速率)、高密度(有效邏輯60萬 門)、低噪聲和低功耗的特點。具有4個PLL、480個I/0 口，工作電壓為2. 5V和1. 8V。 圖2是算法的流程圖。配合圖4的詳細流程圖可以看到在CCD攝像頭獲取了三幅 小眼圖像之后首先由可編程視頻信號處理器完成基本的圖像讀取，同步，放大，抗混疊等預 處理。其次是FPGA芯片和兩個存儲芯片配合完成配準參數的估計和拼接處理、仿生物視覺 的非線性壓縮處理兩項任務。最后是DSP芯片上實現微小目標存在性分析和識別提取處 理。 本專利中采用的配準方法是一種基于傅里葉光學的配準方法，配準后進行仿射變 換和拼接得到全景圖像。如圖3所示的配準與拼接詳細流程圖。該配準方法是建立在傅里 葉光學理論上，假設圖像中每個像素的亮度值是周圍相鄰像素的加權和，其中加權系數和 像素間的距離成反比例，同時每個像素的像素值分布服從高斯分布。由于采用相同類型的 CCD成像裝置因此參數基本相同，那么可以認為三個CCD服從相同方差的高斯分布。反映在 圖像中就是某個像素點上的亮度值受到了一定范圍內光流量的影響，同時也影響了一定范 圍內像素的亮度值。假設oA= oB= Oc分別是CCD攝像頭A，B，C的標準差。假設攝像頭A獲得的圖像為圖像A，圖像A中一個點(xA，yA)出的亮度值為I(XA，y》。按照高斯分布的假設該點亮度可以表示為<formula>formula see original document page 6</formula> 其中L(xA， yA)是該點處的光流量，A(xA， yA)是該點處的光敏感性。對于捆綁在一個水平面上的三個時間同步的攝像頭，在兩兩重疊的區域的光的流量和敏感性應該是一致的。因為對于生物來講，光的敏感性會隨光照條件的改變而改變，而光的流通量是視網膜透鏡在外界條件相同的條件下受到孔徑控制的。為了便于銜接三副圖像形成同一幅場景圖，圖像B的坐標緊接著圖像A的標記。那么在A中的點與B中的對應點出的亮度值應該相等。但是坐標之間相差了 Ay個像素的位置，而在水平方向上由于固定在一個面上，因此不涉及到平移問題。于是可以獲得yB_Ay = yA，將上面的高斯亮度分布帶入該等式就有
1 我^力)x^~~e -Ax^^x^^~~e
小"
1
2;rcr。 A(xA，yA)和A0^，y》可以通過該點處周圍的像素灰度值計算得到。通過前面的分析和假設該公式可以推導出 In 、 ^ =一 "^- 由于局部的亮度敏感性和標準差c^等可以通過計算獲得因此都為常數。選擇一個坐標點(xA， yA)，那么上面的等式可以變成[0032] A y2+c丄A y = c2[0033] 這樣就可以獲得水平方向上的重疊部分的像素個數Ay。通過Ay來拼接兩幅圖 結合圖4中仿生復眼微小目標檢測流程 第一步，視覺非線性壓縮處理對拼接得到的場景圖像做非線性壓縮，這樣的處理可以壓縮圖像的亮度變化范圍，增大亮度變換的時間范圍。這里用到的非線性壓縮變換公式是
<formula>formula see original document page 6</formula> 該公式中1。(x，y)是壓縮后的亮度值。該公式分母部分中第二項是采用的移動平均的方法，這樣求出來的中點值具有自適應性。 第二步，微小目標區域選取。目標是否可以被探測出來的關鍵是目標出現的局部場景中的對比度是否突出。通過計算局部對比度&。^(x，y)來選擇可能存在微小目標的圖像塊來進行處理。局部對比度C^^(x，y)可以衡量該場景中是否存在可以被識別的微小目標。對比度較大的位置出現微小目標的可能性較大，選擇該位置為被檢測圖像塊的中心位置。這里假設微小目標的尺寸在4個像素左右。因此局部對比度為一個2X2大小圖像塊的局部對比度，而不是單個像素。局部對比度計算公式如下[<formula>formula see original document page 7</formula> I_n。(X， y)是圖像中一個以(x， y)為左上角像素的2X2的圖像塊的亮度值的平均。1,是以該圖像塊為中心的6X6大小圖像塊亮度的最大值，Imin是該圖像塊的最小值。e是一個很小的正數，這里選擇O. l，來保證分母不為零。因為這樣的對比度是建立在空間分辨率較低的場景圖像上的，因此噪聲在圖像獲取過程中被視覺濾波處理平滑掉了。同時隨機噪聲通常是以單個像素出現的，這樣的2X2像素塊的對比度消除了噪聲對對比度的影響，保證了微小目標的識別和檢測的正確率。圖像中局部對比度較高的部分被認為是有可能出現微小目標的部位，默認對比度的平均值作為閾值，當局部對比度小于這個閾值時該位置上的圖像塊不進行目標檢測。 第三步，對選為被分析的圖像區域求平均，采用需要進行目標檢測的局部圖像塊為中心的6X6區域圖像塊亮度F的平均亮度Ithred作為閾值分別在水平方向上和垂直方向上分出on圖和off圖，其中p二 1 : 6;q=l : 6。這樣做對于暗目標來說，不論在水平方向還是垂直方向上都會落入off圖中，亮目標則相反。而在on圖中低于閾值的區域被設為閾值。所以兩個通道的亮度變化極性是不同的。on圖中亮度的范圍是[thred，l]，而在off圖中亮度的變化范圍是[O，thred]。為了方便后面的計算，將off圖的極性變為正。仿照生物視覺的特性，求該像素塊的周圍亮度梯度[0042] Ithred = mean (F)，[0043] Fon = F-Ithred，[0044] Foff = -F-Ithred， AFhon = 2XF。n(p， q)-F加(p， q+l)-F。n(p， q+2)，[0046] AFvon = 2XF。n(p， q)-F。n(p+l， q)-F。n(p+2， q)，[0047] AFh。ff = 2XF。n(p， q)_F。n(p， q+l)_F。n(p， q+2)，[0048] AFv。ff = 2XF。n(p， q)_F。n(p+l， q)_F。n(p+2， q)， 其中A Fv。n， A Fv。ff分別是on圖和off圖上垂直方向的梯度，同理A Fh。n， A Fh。ff是水平方向上的梯度。由于復眼的孔徑小，視網膜圖像的高頻成份會丟失，造成邊緣不清晰。因此在求取圖像塊亮度梯度時不僅在邊緣外側最鄰近處求梯度，同時還考慮次相鄰的位置。t隨著梯度的極性變換是按照生物神經元的機理在亮度增加時神經元可以快速的上電，而對亮度降低時神經元則需要慢慢放電，這樣的機制產生響應只對對比度極性發生改變時才出現，而對重復的紋理信息的有一定的平滑作用。 第四步，融合處理將水平方向和垂直方向上的兩個通道信號分別通過池細胞融合在一起，然后將融合的結果再次融合就可以得到最后目標的輸出。這里假設先考慮暗目標，分析水平方向圖像中從左到右先是亮度的降低然后是亮度的增加，中間相隔若干個像素的距離。所以融合的公式可以寫作 Fh=Fw!XeTxW,')L0052」 Fv = F。 xe r xSv*(F。//Xe f ) 其中，t是自適應參數，當梯度為正時，t = i ;當梯度為負時，t = ioo。 Sh s;1
代表平移變換，下標h， v分別代表的是水平方向和垂直方向，而上標p和q是水平平移量和
7垂直平移量。Fh代表水平方向上將off圖平移，再與on圖相乘后的結果。同理Fv代表垂直方向上的結果。如果該圖像塊中沒有存在微小目標，那么水平方向上off圖像或者on圖像中就會缺乏一個邊緣而不能構成閉合區域，相乘后結果為零。如果水平方向上的融合輸出不為零，說明該方向上存在一對邊緣。垂直方向上同理。因此將兩個正交方向采用邏輯與的方式融合得到第(i，j)位置上的輸出out(i，j)，若out(i，j)不為零，說明存在微小目標。 out(i， j) = FvXFh 附圖5描述的是一路可編程視頻信號處理器SAA7111的電路圖，以CCD1為例，圖像信號通過CVBS1電容C98接入到SAA7111芯片的圖像信號的輸入口"4"腳，"5"腳禾P"6"腳通過電容C99，C100接地。"37"腳和"8"腳直接接地；第"40"腳是該芯片的復位信號輸入端，連接SAA7113H RST。第"18"腳VDDE1，"34"腳VDDE2，"29"腳VDDD1禾口"33"腳VDDDA接3. 3V的電源位芯片供電；"10"腳到"42 "腳對應的CDDAO VDDA2通過電容組C101 C103， CT104 106與電感FERRITE-BEAK2組成的濾波器接地，XTAL和XTAL1腳分別接在晶振Y1的兩端，它們為芯片提供時鐘頻率信號。芯片上的VPOO VP07，RTS0，RTS1，TRC0，SCL，SDA等管腳是要連接到FPGA的信號輸入端口上作為信號傳輸使用的。VSSAO VSSA2管腳，VSS1 5等管腳直接接地。其余兩路數據信號連接方式同上。該芯片為FPGA提供YUV格式的數字圖像信號。 附圖6是CCD攝像頭與視頻信號處理芯片的連接圖。每個CCD將數據通過D+和D-輸入到電路板上，同時輸入相應的控制信號和正負電壓。電路板上的三個接口分別是CZ1、 CZ2、 CZ3。三個CCD的端口分別標記為Portl、 Port2、 Port3。 Portl對應CZ1 ;Port2對應CZ2 ;Port3對應CZ3。 附圖7中DSP芯片TMS320C6711B的CEO連接到FLASHROM的CS端，選擇存儲空間。輸出使能端AOE連接到閃存的0E端，寫使能端AWE端連接到閃存的WE端，EA2 EA21的地址信號連接到AO A19上，作為閃存的讀入地址，EDO ED15的數據與FLASHROM的數據端DO D15連接。閃存上的CS端和RY/BY端經過一個邏輯或門連接到DSP的ARDY端。[0058] 本實用新型是基于傅立葉光學理論設計，并采用多個普通的CCD攝像頭、可編程視頻信號處理器、FPGA+DSP芯片組成具有微小目標檢測的成像裝置。其中CCD采用的是MV-VS078FM/FC型號的黑白CCD攝像頭，將他們排列在一個水平面上以便獲得較寬范圍的場景圖像。通過FPGA和DSP芯片上的仿生算法來實現對微小目標識別和探測的處理過程。在FPGA中將來自多個CCD同時刻獲取的圖像進行拼接，獲得比單CCD視野更大的場景圖像。在DSP芯片上的模擬復眼神經處理算法中，采用分割圖像塊來虛擬若干個小眼面，每個小眼對應于一個由少量光感受器組成的陣列。該感光器陣列可以檢測出它所觀察的小區域內是否存在微小目標。其中每個光感受器對應一個像素。 由于小眼的入射孔徑很小，一般為2度，所以小眼獲得圖像的分辨率較低。而在探測微小目標的時候，目標被識別的關鍵不在于圖像分辨率的高低，而是目標所在周圍的對比度決定的，因此分辨率的好壞對探測效果影響并不大。本專利采用了分辨率較低的普通CCD攝像頭，在獲得的場景圖像質量上近似于復眼的低分辨率圖像。實現了低成本、高準確率的提取和識別微小目標的圖像傳感器裝置。[0060] 考慮到生物在視覺上表現出來的特點有[0061] 生物視覺對于光極性的變化非常敏感的。在目標邊緣區域在響應程度比其他區域強烈，如果場景中存在微小目標，那么目標的邊緣相對于周圍場景的亮度值之間是存在較大差異的。對于一個亮度低的目標，僅從水平方向考慮，從左到右的亮度改變應該是亮——暗——亮。那么在微小目標通過時，目標的邊緣構成了一個閉合的區域，因此視網膜的響應也會成對的出現兩個較為強烈的響應。 生物視覺是具有快速的自適應機制，即對亮度的增加視覺神經會快速的記錄下來，也就是所謂的快速上電；而對亮度的降低視覺神經則不會立刻衰減到低亮度水平，而是以較慢的速度降低，即亮度的降低比亮度的增加需要更長的時間來適應，也叫做慢速放電。因此對于場景中出現的微小目標可以快速記錄，慢速的忘記，針對紋理信息，視覺響應強度會隨著紋理的不斷重復而逐漸減弱，起到了平滑的作用。 依據以上生物視覺的特性，本實用新型將包含了微小尺寸目標的小眼視網膜圖像通過閾值分割成極性相反on圖和off圖，通過兩幅圖的融合來判斷是否存在微小目標。大于閾值的叫做on圖，小于閾值的叫做off圖。可見這樣的分割使得沿微小目標邊緣形成了一個閉合區域出現在off圖(暗目標)或on圖(亮目標)中。目標出現的地方存在兩個跳變信號亮度的增加和降低。通過符號的變換，可以將本來為負的off圖轉為正以方便后面的計算。這兩個跳變信號通過中心側抑制處理，將邊緣處的跳變信號轉化為脈沖信號，同時增加了其他相鄰信號之間差異。為后續的融合計算的準確性提供了保證。[0064] 融合處理時將平移的off圖與on圖進行乘法運算，獲得微小目標的輸出信號。如果同時存在兩個脈沖就代表微小目標的存在；若只有一個存在，那么相乘之后就為零。在這個過程中，不僅可以獲得微小目標是否存在的信息，微小目標的尺寸在off圖平移量上也可以反映出來。 本實用新型采用的普通CCD攝像頭、DSP芯片、FPGA芯片及存儲芯片和相關的仿生處理算法，實現復雜場景下的微小目標檢測。充分利用生物視覺機理，避免了普通信號處理方法復雜性的缺點。同時該方法可以對復雜背景下的微小目標進行探測，不論該目標與背景之間是否存在相對運動。該目標檢測裝置大大降低了成本，避免了普通計算方法的復雜性，同時可以通過改進CCD的排列方式增加場景面積。 本實用新型仿照復眼識別和檢測微小目標的原理通過傳統成像裝置和FPGA+DSP
芯片的輔助實現復雜場景下微小目標的快速探測。本實用新型采用三個固定在同一水平平面上的普通的工業CCD攝像頭獲取部分場景圖像，通過電視信號轉換芯片SAA7113H和FPGA做預處理，得到完整的場景圖像。采用DSP芯片將處理全景圖像進行微小目標存在分析。最終得到目標位置的輸出。本實用新型的優點該實用新型設計避免了傳統目標檢測中濾波器組的不靈活性和復雜性，充分利用生物視覺簡單快速的分析原理獲得微小目標存在位置信息。同時依靠DSP和FPGA芯片組合來快速，靈巧的代替PC機實現了微小目標探測任務，可以達到實時性要求，且具有易于擴展等優點。
9
權利要求一種復雜場景下圖像目標提取與識別裝置，其特征在于包括圖像獲取預處理模塊、圖像配準模塊和微小目標檢測和輸出模塊，其中圖像獲取預處理模塊由n個圖像獲取預處理子模塊組成，每個圖像獲取預處理子模塊都由CCD攝像頭串接可編程視頻信號處理器構成；圖像配準模塊由兩個SRAM存儲芯片和FPGA芯片組成；微小目標檢測和輸出模塊由兩個FLASH芯片和DSP芯片組成；n個可編程視頻信號處理器的輸出端分別接FPGA芯片的輸入端，兩個SRAM存儲芯片和FPGA芯片雙向通信連接，FPGA芯片和兩個FLASH芯片分別與DSP芯片雙向通信連接，其中n為自然數。
2. 根據權利要求1所述的復雜場景下圖像目標提取與識別裝置，其特征在于所述可 編程視頻信號處理器采用型號為SAA7113處理器。
3. 根據權利要求l所述的復雜場景下圖像目標提取與識別裝置，其特征在于所述DSP 芯片采用32位浮點DSP TMS320C6711B芯片。
專利摘要本實用新型公布了一種復雜場景下圖像目標提取與識別裝置，所述檢測儀包括圖像獲取預處理模塊、圖像配準模塊和微小目標檢測和輸出模塊，其中圖像獲取預處理模塊由n個圖像獲取預處理子模塊組成，每個圖像獲取預處理子模塊都由CCD攝像頭串接可編程視頻信號處理器構成；圖像配準模塊由兩個SRAM存儲芯片和FPGA芯片組成；微小目標檢測和輸出模塊由兩個FLASH芯片和DSP芯片組成；本實用新型成本低，計算復雜性低，原理簡單靈活，不受目標運動速度的限制，對于靜止在場景中或者具有和場景相同運動速度的微小目標同樣可以檢測到它的存在，抗噪聲干擾性強，對復雜背景具有一定的魯棒性。
文檔編號H04N5/14GK201503590SQ200920235339
公開日2010年6月9日 申請日期2009年10月19日 優先權日2009年10月19日
發明者凌靜, 徐立中, 李敏, 樊棠懷, 王慧斌, 石愛業 申請人:河海大學