用于海洋搜救的多片DSP图像处理识别系统的实现
系统软件设计
系统软件流程图如图8所示。分为三个主要部分：图像预处理、可疑目标提取及目标识别。
图像预处理
图像滤波(多模板复合滤波算法)
对比常用的多种滤波算法，其共同特征是：某种滤波算法只对部分噪声有效；在较好地抑制噪声的同时，难以保持图像清晰度。而采用多模板复合滤波算法，可较好地解决这一问题，为边缘提取奠定了基础。
边缘检测(改进的sobel算子)
常用边缘检测算法受海面波纹的影响较为严重。相比之下，sobel算子效果较好，但也存在漏检边缘点的情况。本算法在传统sobel算子两个模板的基础上，增加了六个模板，用下述八个模板对每个像素分别进行运算，然后取其中最大值替代该像素的值。
这种改进的sobel算子使得边缘检测更加准确，但处理一帧图像的运算量较大。采用改进的sobel算子进行图像边缘检测处理后，将图像二值化。改进的sobel算子不但检测出了全部可疑目标，并且受海浪的影响较小。
可疑目标提取与跟踪
为减少运算数据量，采用二次标记的方法提取可疑目标：
利用贴标签算法进行预标记，统计出物体数目并记录其所在位置；
根据上位机提供的模板信息，提取可疑目标；
进行二次标记，仅标记已提取的可疑目标；
对提取出的可疑目标进行跟踪。
目标识别与跟踪
当提取的可疑目标（一般是指象素数较少的小目标）达到一定的象素数后，采用Hu不变矩特征对可疑目标进行目标识别。
对数字图像f(x，y)，p+q阶矩(mpq)和中心矩(μpq)定义为
其中p和q是非负的整数。图像的（p+q）阶归一化的中心矩定义为：
利用二阶和三阶归一化的中心矩求出七个Hu不变矩组：
A(x，y)则为位置(x，y)处不变矩的相关值。取A值最大处对应的点作为匹配点。
由于不变矩描述的是图像的统计特性，满足对平移、伸缩、旋转等变化的不变性，因而广泛应用于图像识别等领域。该算法的不足之处是计算量大。而仅仅处理局部可疑目标区域图像数据的方法，可以大大减少数据运算量。对识别后的目标加框并跟踪。
结论
成功实现了用于海洋搜救的多片DSP图像处理识别系统；
成功实现了2812视频数据采集；
系统硬件的可拓展性增强了系统的通用性；
软件算法实际应用效果明显。
该系统（PCB板见图9）还可实现对搜救目标的被动测距、可见光和长波红外图像的双波段图像融合等功能。另外，系统的强大处理能力和存储空间，使其能在数字图像处理领域发挥更大作用。
友情链接：
