作者 武鹏1 金燕2 张俊举1 1.南京理工大学 (江苏 南京 210094) 2.中国科学院电子学研讨所姑苏研讨院 (江苏 姑苏 215123)
武鹏(1991-)，女，硕士生，研讨方向：信号与信息处理。
摘要：为了完结对合成孔径雷达(SAR)图画中舰船方针的实时检测，本文以双参数恒虚警(CFAR)算法为例，提出一种依据ARM+GPU架构的SAR图画舰船方针检测算法的完结计划。该计划在NVIDIA Jetson TK1开发板上的测验成果表明，与传统依据CPU 的SAR图画舰船检测算法比较，该计划能够到达数百倍的速度进步，有用处理了运用CPU渠道进行舰船方针检测耗时长、功率低的问题。Jetson TK1作为嵌入式处理渠道，相关于作业站或服务器，在功耗和便携性方面都具有显着的优势。
导言
对海上舰船方针进行检测与监督一向都是国际各海岸地带国家的传统使命[1]。我国领海宽广，海洋资源丰富，展开舰船方针检测的研讨在军事、民用方面都具有极端重要的含义。星载合成孔径雷达(Synthetic Aperture Radar, SAR)作为一种全地利、全天候的有源自动式微波成像体系，以其优胜的二维高分辨率特性，日益成为国际各国遍及注重的遥感勘探技能[2]。在军事范畴，首要用于陆战场侦办、海洋监测、假装辨认以及发现假方针等，快速精确地获取瞬息万变战场上的动态情报，获取军事自动权;在海洋监测方面，能够依据舰船的反射特性及其发生的尾迹特征进行舰船方针的检测、监督和辨认，还能从中提取方位、航向、航速等信息。因而，SAR现已成为当今舰船方针检测、监督和定位的最有用手法之一[3]。但是，传统依据中央处理器(Central Processing Unit ,CPU)的个人核算机、作业站及大型核算服务器对SAR舰船方针检测往往功率很低，不能满意在灾祸应急监测和军事运用范畴的高机动性、高应急性和时效性的要求。
近年来，因为商场对实时、高清晰度的图形处理需求的推进，可编程图形处理器(GPU)得到了空前的开展，现已演变成具有极高存储器带宽、强壮的核算才干、高并行度、多线程的多核处理器。GPU不再仅限于图形图画处理范畴的运用，还被广泛运用于生物信息学、流体力学、信号处理、信息检索、线性代数等通用核算范畴,在这些范畴取得了几十乃至几百的加快比[4]。相同，在SAR舰船方针检测方面，GPU也展示出了越来越重要的作用。
前期的SAR图画处理进程需求将数据下传至地面站进行，这不只要求雷达卫星具有高带宽的下行数据链路，而且还遭到卫星过顶时刻的约束，这些都使得怎么对SAR图画数据进行在轨实时处理成为热点问题，在轨实时处理包含：在轨完结遥感图画的预处理、数据压缩、存储与格局转化、方针特征点的提取等作业，通过运用星上的自主数据处理才干，尽量少地削减地面站对卫星使命的干涉，然后满意未来遥感卫星对高机动性、高应急性和时效性的要求，在灾祸应急监测以及军事运用等范畴发挥更大的作用。在轨SAR实时处理体系作为一种典型的实时体系，在功能、体积、分量、功耗及可靠性方面都有很高的要求，NVIDIA Jetson TK1渠道通过选用ARM+GPU的嵌入式架构，体积小、功耗低，满意在轨实时处理的需求，进步了体系的数据处理才干，能够完结在轨SAR遥感图画方针检测的进程。一起，该硬件架构能够运用于许多需求在轨高速数据处理的状况中，例如合成孔径雷达所获取的很多数据在轨处理、在轨修理、空间攻防、航天器的捕获与进犯、空间交会对接等需求对方针物体进行快速丈量与操控的场合，具有极端重要的研讨价值和十分宽广的运用远景。
在舰船方针检测中经常用到的检测特征首要有舰船的灰度、面积、形状及舰船因为飞行所发生的尾迹等，其间提取舰船的高亮、形状、尾迹等特征是SAR图画舰船方针检测中研讨的要点[5]。舰船检测所用的算法首要有四类：双参数恒虚警(CFAR)算法、依据K-散布的CFAR算法、多极化检测算法、其他检测算法(简略阈值法、含糊决议计划法、依据切割的模拟退火算法)[6]。双参数CFAR算法首要适用于分辨率较低的SAR图画方针检测[7]，K-散布CFAR算法的运用集中于RADARSAT图画，多极化检测算法仅限于运用在具有一起多极化观测的SAR图画中。其他算法中，简略阈值法和含糊决议计划法都不具有自习惯性，而依据切割的模拟退火算法适用性更是十分有限。本文拟选用双参数CFAR算法在NVIDIA Jetson TK1渠道上完结对远洋图画中的舰船方针进行检测，双参数恒虚警(CFAR)检测办法是雷达信号检测范畴里最常用和最有用的一类检测算法[8]。很多的研讨和试验指出，即便在海况极端恶劣的状况下，CFAR检测器依然能够取得较好的检测成果[9]。
1 双参数CFAR舰船检测算法结构剖析
针对不同的气候、风速等条件，海况有很大的改变，呈现在SAR图画中的海洋杂波的作用也有较大的不同[10]，因而，针对上述各种杂乱的状况，在对舰船方针进行检测进程中，需求选用一种能够自习惯的恒虚警检测办法。双参数CFAR方针检测算法是依据布景杂波，遵守高斯散布的假定[11]，具有自习惯性，能够习惯布景杂波改变。通过运用部分滑动窗口，对每个像素进行检测，核算布景窗口中的一切杂波像素的均值和方差，得到该部分窗口的门限，将方针窗口中高于该门限的像素判定为舰船方针[12]。终究再运用一系列形态学的处理办法将方针在图中标示出来。
如图1所示，设XT为待检测的像素点，在它的周围别离界说了两个部分滑动窗口：布景窗口和维护窗口。布景窗口的巨细能够依据船舶实践的巨细进行选取，首要用于布景杂波的核算剖析，维护窗口首要起到维护的作用，防止将待测像素点周围的方针像素也核算在对布景窗口的核算剖析中。
如图2所示，因为要对图画中每个像素进行布景杂波核算及阈值比较的操作，部分滑动窗口进行核算剖析的进程具有核算量大，耗时长的特色，运转时刻与窗口尺度的巨细有关[14]，是双参CFAR算法的中心进程。因而，要完结对舰船方针的实时检测，有必要考虑怎么对部分滑动窗口部分算法进行相应的优化，减小核算量，缩短检测周期。
2 算法优化
因为双参CFAR算法是通过对当时像素点的邻域数据进行核算判别为方针点或布景，比较于大局阈值的处理办法具有自习惯的特性。部分滑动窗口核算类似于依据模板的运算，在进行核算时，需求运用当时像素点的邻域数据，而且对前后两个像素进行操作的存储拜访高度相关。假如运用一般的存储类型进行数据的存储拜访，每次读取操作都要从大局存储器(Global Memory)中取出需求的数据，会呈现重复读取数据的状况，拜访功率低，因而，需求选用一种更为适宜的数据存储办法[15]。
纹路存储器(Texture memory)是一种只读存储器，由GPU中用于纹路烘托的图形专用单元开展而来，纹路存储器中的数据坐落显存，但能够通过纹路缓存加快读取。在通用核算中，纹路存储器适用于进行图画处理或查找表等操作，具有杰出的加快作用。
纹路缓存首要有两个作用。首要，纹路缓存中的数据能够被重复运用，当需求拜访的数据在纹路缓存中现已存在时，能够防止再从显存中重复读取相同的数据;第二，纹路缓存能够完结滤波形式，缓存拾取坐标点邻近几个像元的数据，进步部分拜访的功率。因而，双参CFAR算法中部分滑动窗口部分选用纹路存储办法，能够很好的满意运用的需求。
纹路类型运用十分简略，首要运用cudaBindTextureToArray()将图画数据的数组绑定到一个纹路方针，然后就能够在kernel中运用tex2D()函数来快速拜访该纹路方针中的数据，有一点需求留意的是，因为纹路存储器是一种只读存储器，绑定到纹路的数据有改变时，需求从头绑定才干确保拜访的数据是最新的。
3 规划与完结
下面以双参数CFAR检测算法为例，剖析依据嵌入式GPU的SAR实时舰船检测算法的CUDA规划与完结进程。
对上面所得的二值图画做进一步形态学处理：中值滤波、图画胀大等。中值滤波、图画胀大的进程相同在GPU中进行，终究，运用OpenCV将图中的舰船方针标示出来，这儿不再赘述。
4 试验成果及加快比测验
试验中运用的图画为海陆切割之后远洋SAR图画，在NVIDIA TK1渠道进行舰船方针检测。其间双参数CFAR算法判定原则中的标称化因子
取为3.1。图4为原始SAR图画，图5为原始图画通过滑窗操作、中值滤波之后的图画，图6为通过胀大运算后的SAR图画，图7为终究的舰船检测成果。
检测成果图7中画出的方框表明正确检测的方针，圆圈表明检测的虚警方针。
为了衡量检测作用，界说检测成果的品质因数FoM为：
(2)
其间Ntt为检测成果中正确检测出来的方针数，Nfa为虚警方针数，Ngt为实践的方针数，这儿实践的方针数Ngt以目视解译的成果为准[6]。原图中有20只舰船，因而，实践方针数 为20。
本文运用的GPU渠道是NVIDIA公司出产的NVIDIA Jetson TK1 开发组件，与之进行比照的惯例CPU是选用Intel®Core™i3处理器。通过屡次试验，关于2048×2048巨细的SAR图画数据，别离测验了依据CPU单线程的Matlab程序和依据GPU多线程的检测算法运转时刻，如表2所示。
由测验成果可知，本文提出的运用CUDA完结的，依据ARM+GPU的SAR舰船检测算法具有极高的功率，比较传统的依据CPU的SAR舰船检测算法，功率得到了162倍以上的进步。
5 定论
本文对SAR遥感图画舰船方针检测算法中的双参数CFAR算法在CUDA架构下的高效完结办法进行了深入研讨。首要对双参CFAR算法的结构特征以及CUDA架构下的完结思路进行了详细剖析，并对算法的CUDA完结进行了优化，相关于传统的依据CPU的舰船检测办法，具有低价的本钱、极低的功耗，以及高度的便携性，一起取得了162倍以上的加快比。
参考文献：
[1]唐沐恩,林挺强,文贡坚.遥感图画中舰船检测办法总述[J].核算机运用研讨,2011,01:29-36.
[2]郭勐,简方军,张钦,等.依据FPGA完结的星载SAR实时成像体系研讨[J].核算机研讨与开展,2007,03:497-502.
[3]雷盼飞,苏清贺,杨桄. SAR图画舰船方针检测研讨[J].印象技能,2011,04:40-45.
[4]姚成祥.依据CPU+GPU异构核算渠道的SAR成像研讨与完结[D].中国航天第二研讨院航天科工集团第二研讨院, 2012.
[5]李文武.中低分辨率光学遥感图画舰船方针检测算法研讨[D].国防科学技能大学,2008.
[6]种劲松.合成孔径雷达图画舰船方针检测算法与运用研讨[D].中国科学院电子学研讨所,2002.
[7]李俊敏. SAR图画舰船方针检测办法研讨[D].西安电子科技大学,2014.
[8]赵明波,何峻,付强. SAR图画CFAR检测的快速算法总述[J].自动化学报,2012,12:1885-1895.
[9]周树道,王敏,叶松,王俊. 依据SAR图画的海洋舰船方针检测技能[J]. 微核算机运用,2010,02:61-65.
[10]Blake A P, Blacknell D, and Oliver C J. Sea clutter analysis and its resolution dependence[C].Radar conference 97,Edinburgh, UK, Oct.14-16, 1997: 124-128.
[11]Novak L M, Halversen S D, Owirka G J, et al. Effects of polarization and resolution on SAR ATR[J]. erospace and Electronic Systems, IEEE Transactions on, 1997, 33(1): 102-116.
[12]陈利民,杨学志,张晰,等. SAR舰船检测算法比照剖析研讨[J].遥感信息,2015,02:99-104+110.
[13]龚小冬,李飞,张志敏,等. 一种新颖的高分辨率SAR舰船检测办法[J].雷达科学与技能,2015,01:70-75.
[14] MOREIRA A，PRATSTIRAOLA P，YOUNIS M，et al.A tutorial on synthetic aperture radar[J].IEEE Geoscience and Remote Sensing Magazine，2013，1( 1) : 6 – 43.
[15]陶伟东,黄昊,苑振宇,等.依据GPU并行的遥感印象边际检测算法[J].地舆与地舆信息科学,2013,01:8-11.
本文来源于《电子产品国际》2017年第4期第53页，欢迎您写论文时引证，并注明出处。
