CN104240240A - 一种基于fpga的红外小目标检测方法及系统 - Google Patents

Abstract

本发明提出一种基于FPGA的红外小目标检测方法及系统。对采集的图像进行预处理，去噪、去盲元；提取头图像和尾图像；分别对头图像和尾图像进行杂波边缘滤波操作；对头图像和尾图像分别进行阈值分割操作，使图像二值化；对阈值分割后的头图像和尾图像中的目标进行形态学膨胀，获得轮廓较大的目标；将形态学膨胀后的头目标和尾目标合成获得完整的目标。本发明可以通过前后帧重叠部分累加以提高信噪比，在降低算法复杂度的同时能够较好的剔除背景云层的干扰，在确保精度的同时能够提高检测系统的实时性。

Description

一种基于FPGA的红外小目标检测方法及系统

技术领域

本发明属于红外预警系统领域，具体涉及一种基于FPGA的红外小目标检测方法及系统。

背景技术

在红外预警系统中，常利用的小目标检测方法是点目标检测技术。点目标检测技术针对的是红外热像仪位置固定不变的情况。而现在国内外提出了一种新的探测技术，即将红外热像仪放置在转动的平台上，利用转动过程中小目标产生的拖尾现象，将小目标检测转换成线目标检测，大大降低了检测难度。

传统的检测算法包括频率域高通滤波算法、频率域低通滤波算法，这两种算法针对较平缓的天空检测效果较好，但是对于灰度变化剧烈的杂波背景(如云杂波)却一般很难保证其滤波效果；另外一些新颖的方法如二维最小均方(TDLMS)滤波、自适应自回归背景估计方法、随机场模型方法能够对云层背景较好的处理，但是算法复杂度较高。

传统的红外预警系统装置采用的单一的上述的滤波算法或者部分算法的结合，仅仅适用于特定的一些背景复杂的场合；另外，传统的红外预警系统在转动平台的基础上较多的采用线阵扫描探测方式，在扫描过程中帧与帧之间会存在盲区，降低了图像的信噪比。

发明内容

本发明提出一种基于FPGA的红外小目标检测方法及系统，可以通过前后帧重叠部分累加以提高信噪比，在降低算法复杂度的同时能够较好的剔除背景云层的干扰，在确保精度的同时能够提高检测系统的实时性。

为了解决上述技术问题，本发明提供一种基于FPGA的红外小目标检测方法，包括以下步骤：

步骤一、对采集的图像进行预处理，去噪、去盲元；

步骤二、提取头图像和尾图像；

步骤三、分别对头图像和尾图像进行杂波边缘滤波操作；

步骤四、对头图像和尾图像分别进行阈值分割操作，使图像二值化；

步骤五、对阈值分割后的头图像和尾图像中的目标进行形态学膨胀，获得轮廓较大的目标；

步骤六、将形态学膨胀后的头目标和尾目标合成获得完整的目标。

本发明还提供一种基于FPGA的红外小目标检测系统，包括图像采集模块、图像预处理模块、头尾图像提取模块、杂波边缘滤波模块、阈值分割模块、形态学膨胀模块、头尾图像累加模块；上述模块均在FPGA上实现；

图像采集模块与图像预处理模块相连，图像预处理模块与头尾图像提取模块相连，头尾图像提取模块与杂波边缘滤波模块相连，杂波边缘滤波模块与阈值分割模块相连，阈值分割模块与形态学腐蚀膨胀模块相连，形态学腐蚀膨胀模块与头尾图像累加模块相连；

图像采集模块用于将红外相机拍摄到的红外图像序列恢复成数字图像序列，然后将数字图像信号发送给图像预处理模块；

图像预处理模块用于进行噪声的初步处理和盲元补偿，然后将处理完的数字图像信号发送给头尾图像提取模块；

头尾图像提取模块用于提取数字图像的头图像和尾图像，并且将提取出来的头图像和尾图像分别通过两个通道并行发送给杂波边缘滤波模块；

杂波边缘滤波模块用于抑制头图像和尾图像中杂波边缘的影响，可以较好的保留目标信息，然后将滤波后的头图像和尾图像发送给阈值分割模块；

阈值分割模块根据头图像和尾图像中目标的亮度特性将图像中大于阈值的像素点保留下来，小于阈值的像素点予以丢弃，分别提取出头图像和尾图像中目标的初步形态，然后将提取出的目标的头图像和尾图像发送给形态学膨胀模块；

形态学膨胀模块用于对头图像和尾图像中的目标进行放大，便于目标的进一步处理，然后将膨胀的结果发送给头尾图像累加模块；

头尾图像累加模块主要用于将处理过的头图像和尾图像叠加在一起，得到最后的包含目标的图像。

进一步，图像采集模块将采集到的数据信号恢复成具有场使能、行使能和数据信号的有效数字图像信号，便于后端处理。

进一步，图像预处理模块采用一维1*N窗口大小的中值滤波器进行滤波，其中中值滤波器采用快速比较方式实现。

进一步，头尾图像提取模块采用模板滤波的方法分割出头图像和尾图像。

进一步，杂波边缘滤波模块采用Robinson滤波方法进行实现，可以有效的滤除大部分云层杂波的干扰。

进一步，所有的模块均在FPGA利用verilog语言实现，并搭建硬件模块。

本发明与现有技术相比，其显著优点在于，

附图说明

图1是本发明基于FPGA的红外小目标检测系统的结构示意图。

图2是本发明基于FPGA的红外小目标检测系统中值滤波快速比较示意图。

图3是本发明基于FPGA的红外小目标检测系统目标区域水平剖视图。

图4是本发明基于FPGA的红外小目标检测系统头尾图像提取模块结构图。

图5是本发明基于FPGA的红外小目标检测系统杂波边缘滤波原理示意图。

图6是本发明基于FPGA的红外小目标检测系统杂波边缘滤波FPGA实现示意图。

图7是本发明基于FPGA的红外小目标检测系统头、尾图像累加示意图。

具体实施方式

如图1所示，基于FPGA的红外小目标检测系统包括图像采集模块、图像预处理模块、头尾图像提取模块、杂波边缘滤波模块、阈值分割模块、形态学膨胀模块、头尾图像累加模块；上述模块均在FPGA上实现。本发明主要针对的是远距离空域小目标。

一、各模块的处理方法

图像预处理

图像预处理主要实现的是去噪功能，最后获得的是去噪、去盲元后的图像。常用的方法有平滑滤波、中值滤波、边缘检测和梯度算子，而在本实施例中采用的是中值滤波方法。中值滤波是一种常用的非线性滤波技术。该方法将像素的邻域像素按灰度级进行排序，然后选择该组的中间值作为输出像素值。本实施例中选取中值滤波的模板大小为1*7。

头图像和尾图像提取

如图3所示，根据头、尾目标存在的阶跃特征，本发明构建如公式(1)所示的检测模板g_ht：

$g_{\mathrm{ht}}=\left\{\begin{array}{ccccccc}-1& -1& -1& 0& 1& 1& 1\\ -1& -1& -1& 0& 1& 1& 1\end{array}\right\}---\left(1\right)$

然后将检测模板与图像预处理后的结果进行卷积，得到卷积后的目标图像f_ht(x,y)。卷积公式如公式(2)所示，

$f_{\mathrm{ht}}(x,y)=h\⊗g_{\mathrm{ht}}---\left(2\right)$

公式(2)中，h表示中值滤波后的结果，x,y表示目标图像像素点的坐标值。

然后同时分别对目标图像f_ht(x,y)利用公式(3)和公式(4)进行判断，求得目标头图像f′_h(x,y)和尾图像f′_t(x,y)。

$f_h^{\′}(x,y)=\left\{\begin{array}{cc}{f}_{\mathrm{ht}}(x,y)& f_{\mathrm{ht}}(x,y)>0\\ 0& \mathrm{else}\end{array}\right.---\left(3\right)$

$f_t^{\&prime;}(x,y)=\left\{\begin{array}{cc}-f_{\mathrm{ht}}(x,y)& f_{\mathrm{ht}}(x,y)<0\\ 0& \mathrm{else}\end{array}\right.---\left(4\right)$

杂波边缘滤波

在求得头图像和尾图像后，分别对它们进行相同的杂波边缘滤波操作，主要用于剔除边缘杂波，获取完整的目标信息。常用的边缘检测算法有sobel，prewitt，roberts，普通边缘滤波算法只给出点目标边缘信息而滤除了目标内部信息，而Robinson Guard滤波算法由于具有保护带，在目标不太大的情况下能给出目标的完整信息。所以本实施例中选用Robinson算法。

采用Robinson滤波的方法可以滤除云区和背景杂波的干扰，Robinson滤波器主要通过比较中心像素与其邻域像素极值间的差异来抑制背景，其对缓变的平坦和空间相关性强的边缘背景区域都有很好的抑制作用。Robinson滤波公式如公式(5)所示，

$f_{\mathrm{Robinson}}(i,j)=\left\{\begin{array}{cc}{f}_{\mathrm{pre}}(m,n)-\max (z_1,z_2,z_3,z_4)& f_{\mathrm{pre}}(m,n)>\max (z_1,z_2,z_{3,}{z}_4)\\ 0& \mathrm{else}\end{array}\right.---\left(5\right)$

公式(5)中，

z₁＝max(f_pre(m-N:m+N,n-N))

z₂＝max(f_pre(m-N:m+N,n+N))

z₃＝max(f_pre(m-N,n-N:n+N))

z₄＝max(f_pre(m+N,n-N:n+N))

其中，f_Robinson(i,j)为Robinson滤波后的结果，(m，n)表示中心像素点的坐标值，N表示边缘像素点到中心像素点的距离。

如图5所示，其中f_pre(m,n)为头图像或尾图像的中心像素，z₁、z₂、z₃、z₄分别表示中心像素f_pre(m,n)周围四个区域像素的最大值，每个区域长度为2N。

阈值分割

在进行杂波边缘滤波操作后，需要对头图像和尾图像分别进行阈值分割操作。主要是为了使得图像二值化，方便后续的处理。阈值分割主要通过根据图像中目标像素点像素值的大小设定具体的阈值，然后将大于阈值的目标像素点赋值为255，然后将小于阈值的像素点全部赋值为0.。

形态学膨胀

对阈值分割后的头图像和尾图像中的目标进行像素值扩大，获得轮廓较大的目标，从而提高探测率。

膨胀的主要原理是在中心像素点附近取L*L大小的模板，然后采用遍历法将模板区域内像素点值一一搜寻，若是存在一个像素点的值为255，则将中心像素点的值赋值为255。

头图像和尾图像累加

最将头图像形态学膨胀后的结果和尾图像形态学膨胀后的处理结果重新合并到一起，即将头目标和尾目标合成获得完整的目标。

假定I(x,y)是阈值分割后头图像像素点(x,y)位置上的像素值；假定I′(x,y)是阈值分割后尾图像(x,y)位置上的像素值。shift是尾图像相对于头图像的平移分量。

第1步：首先，对阈值分割后的头图像像素点I(x,y)和阈值分割后进行一定偏移的尾图像像素点I′(x,y+shift)进行作差，如公式(6)所示，

t＝I(x,y)-I′(x,y+shift)          (6)

公式(6)中，(x,y)为坐标值，shift为尾图像中的目标相对于头图像中的目标的偏移量，t为阈值分割后的头图像像素点I(x,y)和阈值分割后进行一定偏移的尾图像像素点I′(x,y+shift)的差值。

然后对差值t进行判断，如果t＜0，则t＝-t；如果t＞0，则t不变。

第2步：对阈值分割后的头图像像素点I(x,y)和阈值分割后的尾图像像素点I′(x,y)以及公式(6)中的差值t进行判断，

当公式(7)满足时，则将头图像像素点I(x,y)和进行一定偏移的尾图像像素点I′(x,y+shift)进行加法运算，如公式(8)所示：

$\left\{\begin{array}{c}I(x,y)>0\\ I^{\&prime;}(x,y)>0\\ t<10\end{array}\right.---\left(7\right)$

I_l(x,y)＝I(x,y)+I′(x,y+shift)          (8)

若公式(7)中有一个条件不满足，则有I_l(x,y)＝0。

I_l(x,y)为头图像像素点和进行一定偏移后的尾图像像素点累加后的结果。

公式(7)中， $\left\{\begin{array}{c}I(x,y)>0\\ I^{\&prime;}(x,y)>0\\ t<10\end{array}\right.$ 是判断条件，前两项判断条件确保头尾图像上都不为0，表明图像中有目标。因为头尾图像在一个目标的像素差不会很大，所以通过第三个条件判断可以得到前两个条件得到的目标是同一个目标。

二、各模块的FPGA实现

本实施例实现的硬件平台：采用XILINX公司spartan-6为主芯片的FPGA开发板，外置的cameralink视频输入接口，外置的SRAM芯片，千兆网口。系统的检测算法是用verilog语言描述，程序编写和仿真在ISE13.1上面实现。

系统通过红外cameralink相机采集红外视频，然后通过cameralink接口将图像数据信号输入至开发板上。

图像采集模块

图像采集模块用于接收外部cameralink接口进来的视频数据信号。由于cameralink接口进来的数据是按照cameralink时序输入的，而cameralink时序是包含了场信号、行信号以及数据信号的，所以图像采集模块只需要对数据进行简单的赋值即可。

图像预处理模块

针对中值滤波的方法特点，本发明设计了适用于FPGA的快速中值滤波比较方法。本发明以图像中相邻的7个图像像素a1，a2，a3，a4，a5，a6，a7为例，如图2所示，首先将7个数据a1，a2，a3，a4，a5，a6，a7分成3组。组1：a1，a2，a3；组2：a4；组3：a5，a6，a7。然后分别将组1和组2进行排序，求得组1的最大值max1，中值med1，最小值min1和组3的最大值max3，中值med3，最小值min3。然后比较max1和max3求得较小值max_min，比较med1、med3与a4求得中值med_med，比较min1和min3求得较大值min_max。最后将max_min和min_max以及med_med进行排序比较，求出中间值med，该中间值即为所要求的中值滤波的结果。

头尾图像提取模块

在FPGA实现过程中，如图4所示，经过中值滤波后，将前一行图像数据输入行缓存(由1个先入先出缓存器FIFO组成)中，然后当后一行图像数据到来时，从行缓冲中输出数据与后一行的图像数据进行卷积计算。

经过卷积后的前6行图像数据送入行缓冲阵列(由6个先入先出缓存器FIFO组成)中，然后当第7行图像数据到来时，将缓冲阵列中6行图像数据和第7行(共7行)的图像数据同时送入数据选通判决器；数据选通判决器的作用是将输入数据进行正、负分离，大于0的部分，由“+”部分输出，即为头图像，小于0的值由0代替。小于0的部分，取绝对值后，由“-”部分输出，大于0的值由0代替，即为尾图像。将头图像与尾图像输出给杂波边缘滤波模块。

杂波边缘滤波模块

杂波边缘滤波模块的FPGA实现方式如下：

如图6所示，本发明中Robinson滤波模板选取为7*7。由于头、尾图像提取后，从数据选通判决器并行输出的是7行图像数据。为了构造周围的四个区域，采用先入先出缓存器FIFO进行缓存读取的方式进行操作。

用z₁、z₂、z₃、z₄分别表示周围四个区域像素的最大值，这时候每个区域的图像像素个数都为7。上下两个区域的像素值可以通过同步读取7个FIFO的值获得。而左右两个区域的像素值可以在读取FIFO1和FIFO7的过程中通过移位缓存方式获得。

针对四个区域中的像素值，分别求取它们的最大值则采用类似于中值滤波快速比较法的方法，将每个区域中的7个像素值分成3组，然后分别求取三组的最大值，然后再将这3个最大值进行比较，求得的值即为7个像素值中的最大值。

阈值分割模块

阈值分割模块主要是用于比较Robinsion滤波值与目标的能量阈值，然后将大于能量阈值的Robinsion滤波值赋值为255，小于能量阈值的Robinsion滤波值赋值为0，从而实现二值化的效果。

$\left\{\begin{array}{cc}{I}_l(x,y)=255& (I(x,y)>\mathrm{thea})\\ I_l(x,y)=0& \left(\mathrm{else}\right)\end{array}\right.$

其中thea为目标的能量阈值，I(x,y)为Robinsion滤波后的图像像素值，I_l(x,y)为阈值分割后的图像像素值。

形态学膨胀模块

在本实施例中n取值为5。

在FPGA实现过程中，先利用FIFO缓存技术构建n*n大小的搜索模板：利用多个FIFO将n-1行的图像像素进行缓存，然后当第n行图像像素到来时，同时读取出FIFO中的图像像素，这样可以可以构建出n*n大小的搜索模板。

然后对n*n大小的搜索模板内的所有像素进行“或”运算，若“或”运算的结果为255，则将搜索模板的中心像素赋值为255。最后得到的结果即为形态学膨胀的结果。将膨胀后的结果输出给头、尾图像累加模块。

头尾图像累加模块

在FPGA实现过程中，如图7所示，由于形态学膨胀后的头、尾图像像素输入头、尾图像累加模块时是并行同步的，我们定义两个比较大的寄存器Reg1与Reg2，然后将头图像像素依次输入Reg1的低位中，同时Reg1内部实现移位操作，而只将Reg1中的高位输出得到头图像像素点I(x,y)。尾图像在经过Reg2进行移位操作的过程中得到尾图像像素点I′(x,y)，另外尾图像也单独从一路通道直接输出得到进行一定偏移的尾图像像素点I′(x,y+shift)。

通过以上操作，可以实现对判决条件 $\left\{\begin{array}{c}I(x,y)>0\\ I^{\&prime;}(x,y)>0\\ t<10\end{array}\right.$ 的判断，并且得到最终头尾图像合并后的结果。其中，t＝I(x,y)-I′(x,y+shift)(如果t＜0，则t＝-t)。

Claims (10)

1.一种基于FPGA的红外小目标检测方法，其特征在于，包括以下步骤：

步骤一、对采集的图像进行预处理，去噪、去盲元；

步骤二、提取头图像和尾图像；

步骤三、分别对头图像和尾图像进行杂波边缘滤波操作；

步骤四、对头图像和尾图像分别进行阈值分割操作，使图像二值化；

步骤五、对阈值分割后的头图像和尾图像中的目标进行形态学膨胀，获得轮廓较大的目标；

步骤六、将形态学膨胀后的头目标和尾目标合成获得完整的目标。

2.如权利要求1所述的基于FPGA的红外小目标检测方法，其特征在于，步骤二中，首先，构建如公式(1)所示的检测模板g_ht，

$g_{\mathrm{ht}}=\left\{\begin{array}{ccccccc}-1& -1& -1& 0& 1& 1& 1\\ -1& -1& -1& 0& 1& 1& 1\end{array}\right\}---\left(1\right)$

然后，将检测模板g_ht与图像预处理后的结果进行卷积，得到卷积后的目标图像f_ht(x,y)，卷积公式如公式(2)所示，

$f_{\mathrm{ht}}(x,y)=h\&CircleTimes;g_{\mathrm{ht}}---\left(2\right)$

公式(2)中，h表示中值滤波后的结果，x,y表示目标图像像素点的坐标值；

最后，分别如公式(3)和公式(4)所示对目标图像f_ht(x,y)进行判断，获得目标头图像f′_h(x,y)和尾图像f′_t(x,y)，

$f_h^{\&prime;}(x,y)=\left\{\begin{array}{cc}{f}_{\mathrm{ht}}(x,y)& f_{\mathrm{ht}}(x,y)>0\\ 0& \mathrm{else}\end{array}\right.---\left(3\right)$

$f_t^{\&prime;}(x,y)=\left\{\begin{array}{cc}-f_{\mathrm{ht}}(x,y)& f_{\mathrm{ht}}(x,y)<0\\ 0& \mathrm{else}\end{array}\right.---\left(4\right).$

3.如权利要求1所述的基于FPGA的红外小目标检测方法，其特征在于，步骤三中，采用Robinson滤波器进行边缘滤波，Robinson滤波方式如公式(5)所示，

$f_{\mathrm{Robinson}}(i,j)=\left\{\begin{array}{cc}{f}_{\mathrm{pre}}(m,n)-\max (z_1,z_2,z_3,z_4)& f_{\mathrm{pre}}(m,n)>\max (z_1,z_2,z_{3,}{z}_4)\\ 0& \mathrm{else}\end{array}\right.---\left(5\right)$

公式(5)中，f_Robinson(i,j)为Robinson滤波后的结果，

z₁＝max(f_pre(m-N:m+N,n-N))

z₂＝max(f_pre(m-N:m+N,n+N))

z₃＝max(f_pre(m-N,n-N:n+N))

z₄＝max(f_pre(m+N,n-N:n+N))

其中，(m，n)表示中心像素点的坐标值，N表示边缘像素点到中心像素点的距离，f_pre(m,n)为头图像或尾图像的中心像素，z₁、z₂、z₃、z₄分别表示中心像素f_pre(m,n)周围四个区域像素的最大值，每个区域长度为2N。

4.如权利要求1所述的基于FPGA的红外小目标检测方法，其特征在于，步骤六的具体过程为：

4.1假定I(x,y)是阈值分割后头图像像素点(x,y)位置上的像素值；假定I′(x,y)是阈值分割后尾图像(x,y)位置上的像素值。shift为尾图像中的目标相对于头图像中的目标的偏移量，；

4.2对阈值分割后的头图像像素点I(x,y)和阈值分割后进行一定偏移的尾图像像素点I′(x,y+shift)进行作差，如公式(6)所示，

t＝I(x,y)-I′(x,y+shift)           (6)

公式(6)中，(x,y)为坐标值，shift为尾图像中的目标相对于头图像中的目标的偏移量，t为阈值分割后的头图像像素点I(x,y)和阈值分割后进行一定偏移的尾图像像素点I′(x,y+shift)的差值；

4.3对差值t进行判断，如果t＜0，则t＝-t；如果t＞0，则t不变；

4.4如公式(7)所示，对阈值分割后的头图像像素点I(x,y)和阈值分割后的尾图像像素点I′(x,y)以及公式(6)中的差值t进行判断，

当公式(7)满足时，则将头图像像素点I(x,y)和进行一定偏移的尾图像像素点I′(x,y+shift)进行加法运算，如公式(8)所示，

$\left\{\begin{array}{c}I(x,y)>0\\ I^{\&prime;}(x,y)>0\\ t<10\end{array}\right.---\left(7\right)$

I_l(x,y)＝I(x,y)+I′(x,y+shift)           (8)

当公式(7)中有一个条件不满足，则有I_l(x,y)＝0；

其中，I_l(x,y)为头图像像素点和进行一定偏移后的尾图像像素点累加后的结果。

5.一种基于FPGA的红外小目标检测系统，其特征在于，包括图像采集模块、图像预处理模块、头尾图像提取模块、杂波边缘滤波模块、阈值分割模块、形态学膨胀模块、头尾图像累加模块；上述模块均在FPGA上实现；

图像采集模块与图像预处理模块相连，图像预处理模块与头尾图像提取模块相连，头尾图像提取模块与杂波边缘滤波模块相连，杂波边缘滤波模块与阈值分割模块相连，阈值分割模块与形态学腐蚀膨胀模块相连，形态学腐蚀膨胀模块与头尾图像累加模块相连；

图像采集模块用于将红外相机拍摄到的红外图像序列恢复成数字图像序列，然后将数字图像信号发送给图像预处理模块；

图像预处理模块用于进行噪声的初步处理和盲元补偿，然后将处理完的数字图像信号发送给头尾图像提取模块；

头尾图像提取模块用于提取数字图像的头图像和尾图像，并且将提取出来的头图像和尾图像分别通过两个通道并行发送给杂波边缘滤波模块；

杂波边缘滤波模块用于抑制头图像和尾图像中杂波边缘的影响，然后将滤波后的头图像和尾图像发送给阈值分割模块；

阈值分割模块根据头图像和尾图像中目标的亮度特性将图像中大于阈值的像素点保留下来，小于阈值的像素点予以丢弃，分别提取出头图像和尾图像中目标的初步形态，然后将提取出的目标的头图像和尾图像发送给形态学膨胀模块；

形态学膨胀模块用于对头图像和尾图像中的目标进行放大，然后将膨胀的结果发送给头尾图像累加模块；

头尾图像累加模块主要用于将处理过的头图像和尾图像叠加在一起，得到最后的包含目标的图像。

6.如权利要求5所述的基于FPGA的红外小目标检测系统，其特征在于，所有的模块均在FPGA利用verilog语言实现，并搭建硬件模块。

7.如权利要求5所述的基于FPGA的红外小目标检测系统，其特征在于，图像预处理模块采用一维1*N窗口大小的中值滤波器进行滤波，其中中值滤波器采用快速比较方式实现。

8.如权利要求5所述的基于FPGA的红外小目标检测系统，其特征在于，头尾图像提取模块中，将前一行图像数据输入由1个先入先出缓存器FIFO组成的行缓存中，然后当后一行图像数据到来时，从行缓冲中输出数据与后一行的图像数据进行卷积计算；经过卷积后的前6行图像数据送入由6个先入先出缓存器FIFO组成的行缓冲阵列中，然后当第7行图像数据到来时，将缓冲阵列中6行图像数据和第7行的图像数据同时送入数据选通判决器；数据选通判决器将大于0的部分，由“+”部分输出，获得头图像，小于0的值由0代替；数据选通判决器将小于0的部分，取绝对值后，由“-”部分输出，大于0的值由0代替，获得尾图像。

9.如权利要求5所述的基于FPGA的红外小目标检测系统，其特征在于，形态学膨胀模块中，用先入先出缓存器FIFO构建n*n大小的搜索模板：利用多个先入先出缓存器FIFO将n-1行的图像像素进行缓存，然后当第n行图像像素到来时，同时读取出多个FIFO中的图像像素，构建出n*n大小的搜索模板；然后对n*n大小的搜索模板内的所有像素进行“或”运算，若“或”运算的结果为255，则将搜索模板的中心像素赋值为255。

10.如权利要求5所述的基于FPGA的红外小目标检测系统，其特征在于，定义两个寄存器Reg1与Reg2，将头图像像素依次输入Reg1的低位中，同时在Reg1内部实现移位操作，只将Reg1中的高位输出得到头图像像素点I(x,y)，尾图像在经过Reg2进行移位操作的过程中得到尾图像像素点I′(x,y)，尾图像单独从一路通道直接输出得到进行一定偏移的尾图像像素点I′(x,y+shift)。