基于嵌入式GPU的改进LBP红外目标检测方法

摘要

本发明提出了一种基于嵌入式GPU的改进LBP红外目标检测算法，用于解决现有红外目标检测中存在的运算速度慢和检测稳定性差的技术问题，实现步骤为：输入红外图像并进行预处理得到大尺寸灰度图像；将灰度图像数据分块输入到嵌入式GPU显存，并分配线程；对LBP算法的特征向量提取方法进行改进得到梯度‑LBP算法；各线程利用得到的梯度‑LBP算法并行计算灰度图像块的梯度‑LBP矩阵；分别对多个梯度‑LBP矩阵进行灰度还原并检测出备选目标点；将备选目标点复制到内存并选取灰度值最大点作为最终目标点；输出最终目标点位置。本发明具有检测速度快和稳定性好的特点，可用于远程红外预警、精确制导与空间目标监视系统等的目标定位。

主权项

一种基于嵌入式GPU的改进LBP红外目标检测方法，其特征在于，包括如下步骤：(1)采用加权平均法对输入的红外图像的RGB三个分量进行加权平均，得到灰度图像，并对该灰度图像进行0值延拓，得到大尺寸灰度图像；(2)根据加权平均得到的灰度图像的灰度值分布特征，计算该灰度图像的梯度阈值t；(3)根据大尺寸灰度图像的尺寸和嵌入式GPU的显存，对嵌入式GPU的线程进行分配，得到多个用于并行运算的线程；(4)利用多个用于并行运算的线程，以分块的形式将步骤(1)中得到的大尺寸灰度图像从内存复制到嵌入式GPU显存中，得到多个灰度图像块F；(5)采用基于梯度阈值的特征向量提取方法，对LBP算法中的特征向量提取方法进行改进，得到梯度‑LBP算法，并根据该算法在各线程中计算灰度图像块F中每个像素点的梯度‑LBP值，得到多个梯度‑LBP矩阵D，其中，每个像素点梯度‑LBP值的计算步骤为：(5a)提取灰度图像块F中每个像素点O的与其周围八个方向像素点有关的特征向量G_o：G_o＝(S₁,S₂,…,S_x,…S₈)，其中S_x是像素点O在x方向上的梯度下降得分，且P_o为像素点O的灰度值，P_x1为像素点O在x方向上的距离为1的点的灰度值，P_x2为像素点O在x方向上的距离为2的点的灰度值；(5b)根据每个像素点O的特征向量G_o，计算每个像素点O的梯度‑LBP值(6)确定目标检测算子M，并根据该目标检测算子M对得到的多个梯度‑LBP矩阵D中每个元素的值进行灰度还原，得到多个灰度图像块D′，其中该图像块D′中的每个元素表达式为：$D_{i,j}^{\prime }=\left\{\begin{array}{cc}{F}_{i,j}& D_{i,j}\in M\\ 0& D_{i,j}\notin M\end{array}\right.$其中F_i,j灰度图像块F中第i行第j列点的灰度值，D_i,j为矩阵D中第i行第j列元素的值；(7)对各个灰度图像块D′中的灰度值最大的点进行检测，得到多个备选目标点；(8)将多个备选目标点从嵌入式GPU的显存复制到内存中，并选取其中灰度值最大的点作为最终目标点。