将计算机图像处理技术应用到军、警训练中,能迅速提

高军、警的训练水平,缩短训练周期,这项研究已成为世界关注的课题,也是一项非常有现实意义的课题.
澳大利亚、以色列等国已开始了这个项目的研究,并取得了一些成果.
是我们开发的将计算机图像处理技术应用到军、BZX-1警训练的一个系统之一,它的基本思想是采用计算机中心系统控制,自动覆孔的投影靶位,用工业获取靶位图CCD像,靶位计算机对图像进行实时处理,显示靶位弹孔、弹道轨迹、靶位成绩,并将这些结果上传到中心计算机,中心计算机系统进行数据管理、报表输出等.
工作流程1系统的图像处理系统由靶位计算机完成,其基本BZX-1流程如图.
1图流程图1图靶位图图胸环靶图23系统的主要工作过程:靶位计算机通过获取有弹CCD孔的靶位图,靶位图是位色、大小为*像素的位24640480图,如图.
首先从靶位图分割出胸环靶图,如图,确定参23考"圆心";接着在胸环靶图中识别弹孔,得到弹孔的(a,b)位置参考点和序号;然后根据胸环靶图和弹孔位置参(x1,y1)考点计算成绩.
分割出胸环靶图2从图像中分割出子图,有很多经典的算法.
但在实际中,这些经典的算法常常要根据实际情况,或加以优化,或组合,或重新设计.
·模板匹配法[1~4].
从图像中搜索已知的图像,要用一定准则进行判别,用得较多的准则是均方差最小.
这(MSE)种算法在分割胸环靶图时不能适用,由于靶位图很大(640*,所要匹配的胸环靶图也比较大大约为*,480)(357346)因而计算量非常大,不能快速实时报告成绩,影响系统性能;模板匹配要求模板已知,在系统中,虽然胸环靶BZX-1图好象已知,但是由于各靶位的环境的差异、电子投影靶图模板不可能完全一致、各靶位投影光照强度不一样、自然光线的变化以及各靶位的性能、采集图像的倾斜角度和CCD距离的不同,导致模板只是一种模糊已知,要快速实现模板匹配有很大的难度.
·像素灰度聚类法[3].
如果图像中存在物体,那么物体像素间有较强的相关性,表现为像素的灰度联合出现的频数较高,这就是像素灰度聚类.
若定义灰度联合出现的概率矩阵为ΔΔ矩阵的元素M(x,y),mij定义为距离灰度为的像素iΔΔ处出现灰度为的概率若灰度级有级,则Δ(x,y)j,KM(x,基金项目:广东省公安厅项目(00440003030090)作者简介:高东发-,男,博士生、副教授,研究方向:图(1964)像处理和模式识别;黎绍发,教授、博导;林凯荣,高工;周德光,副教授、硕导收稿日期:2003-03-22:E-mailgaodfsohu@sohu.
com基于系统的自适应图像处理快速算法设计BZX-1高东发1,黎绍发1,林凯荣2,周德光3华南理工大学计算机学院,广州;广东省公安厅,广州;华南理工大学机械学院,广州(1.
5106412.
5104403.
510641)摘要:提出了基于系统的实时图像处理的快速自适应算法.
本算法由快速图像分割、快速弹孔识别和快速成绩计算个模块组成.
BZX-13快速图像分割模块的功能是用削波投影算法,从靶位图中分割出胸环靶;在快速弹孔识别模块中,基于图像区域聚类设计了自适应模糊弹,孔识别算法;快速成绩计算模块是利用从参考圆心到弹孔点的灰度跃变计算环数.
关键词:靶位图;胸环靶图;削波投影;隶属度AdaptiveFastAlgorithmDesignofDigitalImageProcessingBasedonBZX-1SystemGAODongfa1,LIShaofa1,LINKairong2,ZHOUDeguang3;(1.
CollegeofComputerScience,SouthChinaUniversityofScienceandTechnology,Guangzhou510641;2.
GuangdongProvincialPoliceDepartment,Guangzhou5104403.
CollegeofMechanics,SouthChinaUniversityofScienceandTechnology,Guangzhou510641)【】AbstractThispaperpresentsanadaptivefastalgorithmforthereal-timedigitalimageprocessingbasedontheapplicationsoftheBZX-1system.
Thisalgorithmincludesthreemodules:fastimagesegmentation(FIS),fastbullet-holerecognition(FHR)andfastresultcomputation(FRC).
ThefunctionofFISisfastsegmentingchestbitmapfromthetargetbitmapbyclippingprojection.
ThefunctionofFHRisthatthebullet-holeinthecestBitmapisfuzzyrecognizedbasedonregionclustering.
ThefunctionofFRCisthattheresultoftherecognizedbullet-holeiscomputedbycountingthegraysalutationtimesfromthecenterreferencepointtothepointofrecognizedbullet-hole.
【】Keywords;;;TargetbitmapChestbitmapClippingprojectionMembershipdegree第30卷第8期Vol.
30№8计算机工程ComputerEngineering2004年4月April2004·人工智能及识别技术·中图分类号:TP391.
41文章编号:1000—3428(2004)08—0149—02文献标识码:A—149—http://www.
paper.
edu.
cnΔ是由y)mij组成的行列矩阵.
由于现场原因,实时靶位KK图有很多的灰度级,使得值很大,因此,内存开销大,计K算量相当大,同样不能达到系统实时的要求.
在系统中,胸环靶图是以绿色作为基色,像素之BZX-1间有很强的相关性,像素的灰度值聚类在一定的区域范围,因此,在设计从靶位图中分割出胸环靶图算法时g(x,y)f(x,y)采用的削波投影.
设靶位图灰度值的最小阈值为Gray(x,y)λ,最大阈值为λ不包括中心区域和环线,minmax()g(x,y)的高度为,宽度为.
nHnW将分别向、方向投影:g(x,y)XYf∑(x)={h∈λλ…(y)|Gray(x,y)[min,max]}x=0,1,2,nW-1∑fy(y)={h∈λλ…(x)|Gray(x,y)[min,max]}y=0,1,2,nH-1h(x),h可为一常量或、的单调函数.
投影结果如图.
(y)xy4图削波投影图4根据fx(x),fy就能准确地确定胸环靶图的高、宽(y)f(x,y)H以及在中起始位置Wg(x,y)(x0,y0、圆心点等关键数据,)(a,b)实现了从提取靶位图.
g(x,y)f(x,y)弹孔识别3当子弹穿过胸环靶图后,由于采用正面的光照,弹孔处的像素值变小,这是一个基本的特征.
由于各实际的靶位的光照强度不一样,自然光线的变化、各靶位的性能不CCD一样以及弹孔边缘差异的因素,很难确定各种情况下的像素减少的统一阈值.
即使在同一幅胸环靶图中,像素灰度的分布也不是均匀的,弹孔图像的模式在胸环靶图中也不是固定的,不能采用一个固定的模式去识别弹孔.
必须设计一个自适应的弹孔模糊模式识别算法.
虽然胸环靶图中像素灰度的分布也不是均匀的,但是在任一小的区域内,像素之间还有很强的相似性,并且对于每一种子弹,弹孔的大小可以基本确定.
当弹孔落在某一小区域,弹孔图像中的某一像素的灰度值与小区域的平均灰度一定有一个较为明显的差值变小设定这一初始测试阈值λ(),0适当但应偏小.
扫描胸环靶图,搜索到满足这一测试阈值()的像素,然后用下面的聚类模糊匹配法识别出此像素处是否存在弹孔.
设弹孔在胸环靶图上的子图像灰度图为其大小为b(x,y),mb*nb的平均灰度为设弹孔落在的小区域图像灰度,b(x,y)B,图为,为以为中心的、包含个a(x,y)a(x,y)b(x,y)k+1b(x,y)大小的区域其中包含,其大小为(b(x,y))ma*na.
Ai为a(x,y)中第个与相同大小区域的平均灰度,为不包ib(x,y)Aa(x,y)(含的平均灰度,则有b(x,y))弹孔模式识别的关键就是判定算法的确定,每次弹孔模式识别,情况都会发生变化,因而不能设置一个固定的判定阈值.
当偏高时,弹孔和噪声产生的平均灰度与的差值AA也可能偏大;当偏低时,弹孔和噪声产生的平均灰度与AA的差值也可能偏小,这种变化是非线性的.
要去掉噪声,识别弹孔,判定阈值要根据的平均灰度的实际情况自a(x,y)A适应地确定,因此判定算法设计成为与相关的模糊判定函A数.
确定和BAi…为论域,那么(i=0,1,,k-1)U={B,A0,A1…,,Ak-1}→→,则设计A:U[0,1]u|A(u)隶属于弹孔的隶属度为u图为5A(u隶属度曲线.
根据训练样本很容易确定一个)隶属度判定阈值,这个阈值很稳定.
因此,在实际判定时,只需根据上式计算的隶属度,就能确定,是否是弹Bb(xy)孔.
如果识别为弹孔,就确定,在,中的参考点b(xy)f(xy).
(x1,y1)图5A(u隶属度曲线)慢射时,系统识别出一个弹孔后,自动覆孔,每幅胸环靶图上只有一个弹孔.
由于扫描胸环靶图时,只搜索像素值小于λ的情况;0计算隶属度时,只考虑小于平均灰度的情况,既减小b(x,y)了计算量,提高了处理速度,白色环线又不会影响判定.
只是较大的低灰度噪声会对判定产生影响,这种影响可以要求纸张清洁、胶片清晰即可消除,较小的低灰度噪声不会对结果产生影响.
计算成绩4本系统要求电子投影的胸环靶是正图形,但是由于不可能与胸环靶图平行,总是在较低的位置获得胸环CCD靶图,与胸环靶图之间有一个夹角,计算机所得到的胸环靶图不是正图形,因此不能简单地用圆心点到弹孔参考点之间的距离来计算.
计算成绩时,首先腐蚀掉胸环靶图中数字数字的笔划具有高灰度值.
再确定弹孔是否是有效弹孔,()如果不是有效弹孔,则此弹孔的成绩为;若是,则按下列0算法计算成绩.
系统要求,计算环数以白色的环线为标准.
在提BZX-1取胸环靶图时,确定了参考圆心,在弹孔识别时确定了(a,b)弹孔参考点.
首先判定弹孔是否是有效弹孔,如果是(x1,y1)无效弹孔,;如果是有效弹孔,根据在上的Result=0f(x,y)参考"圆心"和弹孔参考点确定一条直线或(a,b)(x1,y1)y(x).
下转第页x(y)(161)—150—nH-1y=0x=0nW-1Y方向削波投影X方向削波投影叉树表示).
分裂与合并算法的基本思想是先确定一个分裂与合并的准则,当图像中某一块内的特征存在不均匀性时就将该块分裂成个相等的子块,当某一层的个小块的特征具有某种一致性时,则44将它们合并成一个大块.
为了节省计算量,可以先把图像分成若干个大小相等的方块,从它们开始,有的合并,有的分裂,直至各个区域都满足均匀性为止.
从分裂与合并算法来看,这一过程最宜采用四叉树结构.
000001002003010011012013020021022023030031032033000001002003010011012013020021022023030031032033图一、图像的四叉树表示图1图像的四叉树表示剪枝(2)在四叉树增长过程中,有的子接点不满足进一步增长条件,需要剪除掉,不让其继续增长.
从图中可以很清楚地看到,在增长1过程中,子接点的剪枝条件是:该接点所表示的图像块不包含图像边缘.
图像块初始划分的确定3.
4图像块的初始划分就是一开始要把整个图像分成多少个大小相等的基准方块,对于区域数目少、面积大的图像应选大一点的基准分块,对于区域数目多、面积小的图像应选小一点的基准分块.
理论上讲每幅图像应当存在一个适合它的初始块最佳划分,因此存在自适应地确定图像块初始划分的可能性,但目前一般是采取固定的或是人工选定,一般是等,视图像具体情况而定.
8816163232基于边缘信息的分裂合并算法思想3.
5对原图像进行多尺度()小波变换得到模值函数(1)s=1,2,3,),(yxfMs),(maxyxfMs.
求得局部极大值函数.
将原始图像用四叉树表示,并选取合适的初始划分基准,(2)把原始图像划分成若干分块.
计算大尺度下分块的小波变换模值,如果小于设定的阈值(3),则可判断是非边缘信息,作标志,并合并相邻的同性质分T0块;否则进入.
(4)计算小尺度下该分块小波变换模值,如果不是局部极大(4)值,说明该分块不存在边缘,不应该再细分,作标志,并合并相0邻的同性质分块;否则说明该分块含有边缘,进入;(5)拆分该图像块,转到,直至拆分到单个像素为止,该像(5)(3)素就是边缘,将其标志为.
1实验结果4图是皮鞋内腔测量仪获得的两幅重建图像(经过背2CT景去噪声处理),从图中可看出图像伪影比较明显.
图是3采用浮动阈值法分割算法获得的图像.
采用本文方法分割的图像如图所示.
从图可看出由于伪影等因素的干扰,分割43后的图像有很多噪声,而且边缘信息非常不明显,而图则4达到较好的效果.
图重建图像2图采用浮动阈值法分割算法获得的图像3图采用本文方法分割获得的图像4参考文献李水根吴纪桃分形与小波北京科学出版社12002:308王爱民沈兰荪2,.
图像分割研究综述.
测控技术,2000,19(5)3程宏煌戴卫恒图像分割方法综述电信快报论文选粹,.
.
,2000,(10)程正兴小波分析算法与应用西安西安交通大学出版社4.
.
:,1998:31-405MallatS,ZhongS.
CharacterizationofSignalsfromMultiscaleEdges.
IEEETransactionsonPatternAnalysisandMachineIntelligence,1992,14(7):710朱述龙6.
四叉树结构在数字图像分割中的应用.
解放军测绘学院学报,1994,(1)上接第页(150)从参考"圆心"开始,根据直线的斜率选择上面其(a,b)中之一直线方程,沿直线搜索,并对发生像素灰度值阶跃变化的次数进行计数,设计数值为.
则此弹孔成绩为Count环:Result()Result=10-(count+1)/2;结论和实际使用结果5在本系统中,针对实际应用,设计了一个自适应图像处理的快速算法,使图像处理总是在图像相似度非常高的小区域中计算,计算量很小,因此软件的运行速度很快,完全达到实时,击中到识别出弹孔并算出结果用时平均为.
0.
03s由于设计了稳定的判定算法,系统在目前的试用过程BZX-1中,正确率达到.
99.
6%参考文献何斌等数字图像处理北京人民邮电出版社1.
VisualC++.
:,2001阮秋琦数字图像处理学北京电子工业出版社2.
.
:,2001余英林数字图像处理与模式识别广州华南理工大学出版社3.
.
:,1988边肇祺模式识别北京清华大学出版社4.
.
:,2001杨纶标模糊数学原理及应用广州华南理工大学出版社5.
.
:,2002—161—