胡遠(yuǎn)洋

【摘 要】本文介紹了基于數(shù)字圖像處理的機(jī)場跑道異物檢測的嵌入式系統(tǒng)。首先介紹基于TMS320系列嵌入式系統(tǒng)的總體構(gòu)成。然后提出一種基于顏色空間變換和邊緣特征提取的異物檢測方法。并通過模擬試驗表明，該裝置設(shè)計切實可行，提出的算法也能取得較高的檢測性能。

【關(guān)鍵詞】跑道異物；Sobel 算子；邊緣檢測；嵌入式系統(tǒng)

【Abstract】In this paper， a foreign object debris detection embedded system based on digital image processing is presented. First the embedded system structure based on TMS320 series is introduced， then a foreign object debris detection method based on color space transformation and edge is proposed. Simulation experiments show that proposed system is feasible， and the corresponding algorithm can achieve a high detection rate.

【Key words】Foreign object debris； Sobel operator； Edge detection； Embedded system

0 引言

跑道異物地識別與檢測一直是機(jī)場安全管理的重點。目前國際主流的跑道異物監(jiān)測系統(tǒng)主要通過雷達(dá)、紅外、可見光技術(shù)實現(xiàn)對異物的發(fā)現(xiàn)、定位、識別和記錄等等，而國內(nèi)目前還沒有成熟的相關(guān)商用系統(tǒng)。由于目前圖像監(jiān)控系統(tǒng)的硬件成本相對較低，并且其近年發(fā)展態(tài)勢良好，筆者設(shè)計了一種嵌入式的跑道異物圖像監(jiān)控系統(tǒng)。

1 總體設(shè)計

整個系統(tǒng)包括圖像采集模塊、數(shù)字圖像處理模塊，并實現(xiàn)壓縮存儲、實時傳輸?shù)裙δ?，首先設(shè)計了如圖1的圖像采集系統(tǒng)，由于單個攝像機(jī)無法完成對整個跑道的檢測，所以在本系統(tǒng)中采用攝像機(jī)組，每隔一段距離就安裝一個攝像機(jī)，形成攝像機(jī)組，對跑道進(jìn)行實時圖像采集，甚至使用多個攝像機(jī)組同時采集多條跑道的實時圖像。將攝像機(jī)采集到的數(shù)據(jù)圖像傳輸?shù)奖疚慕⒌那度胧较到y(tǒng)進(jìn)行處理，將所得結(jié)果匯總到控制臺，方便工作人員查看。

圖1 圖像采集系統(tǒng)設(shè)計

圖像處理系統(tǒng)設(shè)計思路如圖2所示：利用CMOS圖像傳感器采集到圖像的模擬信號，然后在轉(zhuǎn)換模塊進(jìn)行A/D轉(zhuǎn)換，將模擬信號轉(zhuǎn)換為YUV4：2：2的數(shù)字圖像信號，然后信號進(jìn)入片上系統(tǒng)TMS320DM355，由ARM926 EJ- STM核負(fù)責(zé)整個系統(tǒng)的控制，由 MPEG/ JPEG協(xié)處理器專注算法的實現(xiàn)，內(nèi)部視頻處理子系統(tǒng)VPSS及其相關(guān)外設(shè)，可以快速地實現(xiàn)圖像數(shù)據(jù)流的采集、預(yù)處理、顯示和網(wǎng)絡(luò)傳輸?shù)裙δ堋２⑴湟蕴W(wǎng)控制器，將得到的結(jié)果信息傳輸?shù)娇偪刂婆_。

圖2 圖像處理系統(tǒng)設(shè)計

2 基于邊緣特征檢測的FOD檢測方法

首先，讀取RGB圖像后，查找圖像中的各個像素點，對一幅已知的圖像來說，其中的像素點的個數(shù)是確定的，如A×B。那么在這幅圖可以理解為包含了A×B×3個數(shù)據(jù)的一個數(shù)組。通過公示轉(zhuǎn)換RGB到Y(jié)UV顏色空間，得到Y(jié)UV空間中，每一個像素點的Y、U、V值。然后用sobel算子濾取邊緣信息（包括垂直和水平的）。

索貝爾算子是圖像處理中非常常用的算子，主要用于邊緣檢測。

通過設(shè)定閾值使圖像二值化，梯度值大于等于閾值T的點就是邊緣點，反之則不是，從而實現(xiàn)邊緣檢測。具體做法即在算出總的像素點個數(shù)后，并賦予他們“灰度值”，這個“灰度值”是將圖像看作灰度圖像，而圖像的亮度分量就是它的灰度，這樣單一地考慮問題使得問題簡單化?！盎叶戎怠痹酱蟮牡胤皆搅粒叫〉牡胤皆桨担?<“灰度值”<255）。然后我們假定整幅圖像N個像素點中有p的點包含邊緣信息，那么就從高“灰度值”的點開始取值，直到滿N×p個點，那么這些點就是圖像中的邊緣點，就是需要增強(qiáng)的點。然后對圖像進(jìn)行銳化處理，只處理這些已經(jīng)確定的“邊緣點”，就可以得到處理后的數(shù)據(jù)，選擇性得將這個數(shù)組逆變換回RGB顏色空間，得到增強(qiáng)后的圖像。監(jiān)控系統(tǒng)再將所有圖像結(jié)果傳遞給清理人員，提醒清理人員快速清理跑道異物。

3 實驗結(jié)果和分析

圖3為異物原圖以及對其進(jìn)行處理之后的圖像。將其變換顏色空間，得到其亮度分量圖像，對其進(jìn)行邊緣檢測。然而由于攝像機(jī)采集到的圖片中包含大量噪聲信號，所以在此之前對其進(jìn)行濾波處理，這里選用巴特沃斯低通濾波器去除大量小面積的噪聲。然后對得到的圖像用sobel算子進(jìn)行閾值邊緣檢測，為消除邊緣檢測圖像的斷裂情況，最后使用了膨脹腐蝕的數(shù)學(xué)形態(tài)學(xué)處理。最后任然存留的就是檢測到的跑道異物圖像。

4 小結(jié)

筆者提出了一種基于嵌入式芯片的簡易機(jī)場跑道異物檢測系統(tǒng)。通過模擬實驗表明，本文的系統(tǒng)方案可行，由于跑道異物情況復(fù)雜，難以給出針對性極強(qiáng)的檢測識別算法，所以在算法選取上偏向?qū)Ρ榷仍鰪?qiáng)，這有助于提高識別率。此系統(tǒng)最大優(yōu)點為便攜性，由于嵌入式處理系統(tǒng)體積小、重量輕，此系統(tǒng)可以隨攝像機(jī)組安裝在跑道附近，將處理結(jié)果遠(yuǎn)程發(fā)送到總控平臺。

此監(jiān)測系統(tǒng)在硬件上可以有更大提升，如采用更清晰的采集攝像機(jī)，可以提高監(jiān)測的準(zhǔn)確性，降低漏報的可能性，但增大的數(shù)據(jù)量同時需采用運算功能更強(qiáng)的處理核心與之匹配。也可增加紅外攝像頭，使系統(tǒng)在夜間、照明條件不良的情況下可以繼續(xù)工作。

【參考文獻(xiàn)】

[1]國家民航總局機(jī)場司民航局安全技術(shù)中心.FOD防范手冊 2009[S].

[2]孫瑞山，馬平.跑道侵人初步研究[J].中國民航大學(xué)學(xué)報，2007，25（z1）：85-87.

[3]霍志勤，羅帆.近十年中國民航事故及事故征候的統(tǒng)計分析[J].中國安全科學(xué)學(xué)報，2006，16（12）：65-71.

[4]劉冬菊.基于閾值的圖像分割算法的研究[D].北京：北京交通大學(xué)，2009.

[5]孫立新.跑道FOD檢測系統(tǒng)關(guān)鍵技術(shù)分析[A].四川理工學(xué)院學(xué)報，2010，23（4）：494-496.

[6]Security & technology center of department of airport CAAC.FOD precaution manual[R].2009：1-5.

[7]陳曉輝.基于DM355的嵌入式視頻監(jiān)控系統(tǒng)的設(shè)計與實現(xiàn)[D].南京：南京郵電大學(xué)，2010，3.

[8]楊高波，杜青松，編.MATLAB圖像/視頻處理應(yīng)用及實例[M].北京：電子工業(yè)出版社，2010，1.

[9]Pi Huang，Boucouvalas A C.Delay Analysis for bluetooth baseband ACLpackets[C].Liverpool：the Convergence of telecommunications.networking &broadcasting symposium 2005，2005：396-401.

[10]SULL S；SRIDHAR B Runway obstacle detection by controlled spatiotemporal image flow disparity 1999（03）.

[11]Feil P；Menzel W；Nguyen T P Foreign Object Debris（FOD） Detection on Airport Runway Using a Broadband Sensor 2008.

[12]T. Ojala， M. Pietikinen， et al. Multiresolution Gray-scale and Rotation Invariant Texture Classification with Local Binary Patterns[J]. IEEE Transaction on Pattern Analysis and Machine Intelligence， 2002，24（7）：971-987.

[13]R. C. Gonzale，等.數(shù)字圖像處理 （MATLAB 版）[M].阮秋琦，等，譯.北京：電子工業(yè)出版社，2005：305-307.

[14]M. S. Nixon等.特征提取與圖像處理[M].李實英，等，譯.北京：電子工業(yè)出版社，2010：103-112.

[15]王宇，張德銀，吳煒.基于計算機(jī)視覺的機(jī)場跑道異物檢測識別系統(tǒng)[J].視頻應(yīng)用與工程，2010，34（5）：102-103.

[16]樊曼劼.機(jī)場跑道異物（FOD）檢測研究[D].北京：北京交通大學(xué)，2011：43-47.

[17]J. Canny. A Computational Approach to Edge Detection[J]. IEEE Transactions On Pattern Analysis and Machine Intelligence， 1986，8（6）：679-697.

[責(zé)任編輯：湯靜]