基于图像处理系统计算靶纸图像中每个枪孔的环数
基于图象处理的靶板穿孔面积计算方法
基于图象处理的靶板穿孔面积计算方法安凯【摘要】提出一种通过靶板的数字图像计算穿孔面积的方法;通过为靶板着色,或者为穿孔选择背景颜色,使图像中靶板穿孔部分和未穿孔部分的颜色灰度值和具有明显的区别;拍摄靶板的图像,选择灰度平均值作为灰度阈值,并以是否超过此灰度阈值为条件判定靶板穿孔部分和未穿孔部分;计算靶板穿孔部分和整个靶板的像素总数N和M,则靶板穿孔面积为NS/M等,其中S为靶板面积;仿真结果证明了方法的可行性及其计算精度.【期刊名称】《计算机测量与控制》【年(卷),期】2014(022)010【总页数】2页(P3413-3414)【关键词】碎片云;穿孔;图像处理;面积【作者】安凯【作者单位】山东航天电子技术研究所,山东烟台 264670【正文语种】中文【中图分类】V411.8;V520.70 引言在研究碎片云对靶板的撞击特性时，需要计算碎片云撞击下在靶板形成穿孔的面积，但由于穿孔的边缘往往是极不规则的，使穿孔面积的计算变得十分困难［1－3］。
此类研究中穿孔面积是撞击特性的一个重要的指标，如果穿孔面积的计算不准确，将严重影响对撞击特性的评价，因此精确地计算穿孔面积对准确评价碎片云和对靶板的撞击特性具有十分重要的意义［4－5］。
其实，不规则形状的面积计算具有广泛的应用领域。
如叶面积是一些作物栽培和育种实践中常用的指标，也是农作物的产量和品质的评价指标；皮革的形状也是不规则的“随意形”，准确测量皮革面积有益于对产品进行经济成本核算和改进生产工艺操作等；在医学检查中用于计算受伤皮肤的面积，计算鼓膜穿孔的面积等。
后者根据数字耳镜检测的数据，为临床修补鼓膜穿孔提供及时准确的数据，从而减少误诊［6－7］。
但鼓膜穿孔的形状以类圆形、不规则形、三角形、梭形和裂隙形为多见，计算难度远低于碎片云撞击靶板形成穿孔的面积计算，因此一种能够精确计算碎片云在靶板上穿孔面积的方法，不仅可以用于碎片云对靶板的撞击特性的研究，也可以用于其它众多的领域。
面向纸质胸环靶的自动识别报靶系统研究
面向纸质胸环靶的自动识别报靶系统研究作者：刘瑞香刘天时王洪伟来源：《电脑知识与技术》2015年第12期摘要：为了克服在靶场射击训练中人工报靶消耗大量的人力和时间的同时还存在诸多隐患，如误报和谎报等，本文设计了一套硬件配置相对简单、性能稳定可靠、判靶精准快速的面向纸质胸环靶的自动识别报靶系统。
该系统结合嵌入式技术、图像处理技术、有线以及无线网络传输技术，实现快速检测靶面信息以及弹孔坐标。
在图像处理的基础上，对图像使用区域特征消除法对干扰背景进行了消除，同时采用灰度双向肖波投影确定靶心位置，提取出靶面图像的所有有效特征信息。
通过嵌入式终端、wifi通信以及网络传输等完成了整个系统的搭建。
本系统具有高效、快速和判靶精准等特点。
关键词：图像处理；靶面识别；自动报靶；胸环靶；肖波投影中图分类号：TP18 文献标识码：A 文章编号：1009-3044（2015）12-0191-03Automatic Recognization Target-reading System for Chest Silhouette of PaperLIU Rui-xiang1， LIU Tian-shi1， WANG Hong-wei2（1.Xi’an Shiyou University，Xi’an 710065， China； 2.Engineering University of CAPF，Xi’an 710086，China）Abstract： This paper proposes an automatic recognition target-scoring system for chest bitmap with simple hardware requirement， stable and reliable performance， precise and fast scoring in order to overcome the problems that the artificial counting consumes a lot of manpower， time and also there are many dangers in shooting training， such as the misinformation and the misrepresentation. Combining with the embedded technology， image processing technology， wired and wireless network transmission technology， the system implements the detecting of target surface information rapidly and the coordinates of bullet holes. The regional feature removing method is employed to eliminate background interference， and the grey two-direction clipping projection is also taken to determine bull's eye position based on the original picture processing. Finally， all characteristic information of the image is extracted effectively. The system is built through the embedded terminal， WiFi communication and network transmission. It has the characteristics of efficient， fast and good scoring precision.Key words：image processing； target surface recognization； automatic target-reading； chest silhouette； clipping projection近年来，随着高新技术在部队军事训练中的广泛应用，出现了多种自动报靶系统。
弹丸立靶坐标的图像处理算法研究
张先叶 ， ： 等 弹丸立靶坐标的冈像处理算法研究
图像可分 割成 目标 与背 景 两部 分 ， 于 或 等 于 阈值 大
使（ ） ２ 式的 值为最大的阈值组 （ ｋ， ｋ ＿ ｋ ， …， １ ： Ｍ ）， 作 为 Ｍ 值化 的最 佳 阈值 组 。若 取 Ｍ 为 ２ 就可 以 ，
的的像 素属于 目标 ， 其 他像 素 则 属 于背 景 。设 原 而 始图像 为Ｉ ，） 通过使 用合 适 的方 法 选取 阈值 ｔ 厂 Ｙ， （ ，
人 工 的方 法读 出 ， 这种 方 法受 人 自身 的状态 影 响有 时会误读 … 。为 了能 够准 确 地读 出数据 ， 用 图像 采 处 理 的方法 自动判 读纸靶 的弹丸坐标 。
后 图像 中标记 弹孔 的 坐标 进行 提 取 ； 了使 获取 的 为
弹孔 图像 坐标具 有 实 际 的意义 ， 将 图像 坐标 转 化 要
２ １ 图像 的获取 ．
用摄像 机 拍 摄 带 有 弹 孔 目标 的 靶 纸 ， 取 图 获 像 ， 始 图见 图 ２所 示 。 原
２ ２ 图像 的预处理 ．
２ ２ １ 图像 分 割 ． ．
便搬移 。在安装 时 ， 证 靶 纸放 置平 台与 相机 成 像 保
平面平行 。
获取 的纸靶 图像 如 图 ２所 示 ， 了使 计 算机 能 为 够 自动识 别和理解 图像 ， 要对 包 含 有大 量各 式 各 需 样 景物信 息 的图像 进 行 分割 ， 割 的最 终 结果 是将 分
维普资讯
第 ８卷
第 １期 １
２０ ０８年 ６月
科
学
技
术
与
工
程
⑥
Ｖｏ ． Ｎ ． １ Ｊ ｎ ０ ８ １８ ｏ １ ｕ ｅ２ ０
基于图像分割的效应靶自动报靶系统
基于图像分割的效应靶自动报靶系统杜红棉;葛竹;孟晓山【摘要】破片战斗部因其可产生大量杀伤破片群而被广泛应用.为了准确分析破片战斗部对效应靶的毁伤作用,解决人工统计方法效率低下且准确率低的问题,将数字图像处理技术应用于报靶工作中,提出基于偏微分方程方法的靶孔图像分割算法,完成了不同靶板上靶孔自动识别系统的设计.通过输入试验后钢靶和网靶图像后,系统自动生成包含破片孔数量、尺寸、位置分布等参数的统计结果及标识靶孔边界的靶板图片,实现了自动报靶功能.%The fragmentation warhead is widely used because of its ability to produce a large number of anti-damage groups.In order to accurately analyze the damage effect of the damaged target,solve the problem of low ef-ficiency and low accuracy of manual statistical method. Digital image processing technology is applied to the target work,the design of target hole image segmentation algorithm based on partial differential equation is presented,and the design of target hole automatic identification system is achieved. By entering after test after the net steel target and target image,the system automatically generate contain broken piece of pore size distribution parameters such as number of statistical results and identify target hole boundary of the target board pictures,to realize the function of automatic indication of shots.【期刊名称】《科学技术与工程》【年(卷),期】2018(018)007【总页数】6页(P191-196)【关键词】效应靶;图像分割;偏微分方程方法;靶孔识别【作者】杜红棉;葛竹;孟晓山【作者单位】中北大学电子测试技术国家重点实验室,仪器科学与动态测试教育部重点实验室,太原030051;中北大学电子测试技术国家重点实验室,仪器科学与动态测试教育部重点实验室,太原030051;中北大学电子测试技术国家重点实验室,仪器科学与动态测试教育部重点实验室,太原030051【正文语种】中文【中图分类】TP391.41破片战斗部是常见的武器战斗部种类之一[1]，破片的数量、大小、形态、速度和飞散特性等都是衡量该战斗部威力的主要指标[2—4]。
一种基于图像处理技术的自动报靶系统设计
一种基于图像处理技术的自动报靶系统设计张晓锟;林嘉宇【摘要】针对军事射击项目的特点,基于数字图像处理和识别技术,给出了一种自动报靶系统的设计方案和实现算法.该系统通过图像采集、图像处理、弹孔提取和环值判定,可以实现自动报靶和数据管理(统计、记录、分析)等功能.【期刊名称】《微处理机》【年(卷),期】2010(031)003【总页数】5页(P101-104,107)【关键词】自动报靶;图像处理;系统设计【作者】张晓锟;林嘉宇【作者单位】国防科学技术大学电子科学与工程学院,长沙,410073;国防科学技术大学电子科学与工程学院,长沙,410073【正文语种】中文【中图分类】TP391.411 引言当前，部队射击科目训练中，大量采用的是传统的人工报靶方式，这种方式具有工作量大、效率低，且安全性差的弊端，已不能满足当前部队训练的要求［1］。
随着科学技术的巨大进步，国内有许多单位对此进行研究，相继开发出多类射击自动报靶系统。
这些自动报靶产品按其功能的实现方式可以分以下几种类型［2］:双层电极短路采样系统、声电定位自动报靶系统、光电电子靶系统、基于图像处理技术的自动报靶系统。
而基于图像处理的自动报靶系统具有简捷方便、低成本、测量精度较高等优点。
数字图像处理技术主要包括图像数字化、图像变换、图像增强、图像恢复、图像分割、图像分析、图像压缩、图像重建等［3］。
近年来，随着图像处理技术的飞速发展和计算机运算速度的不断提高，图像处理技术已经被广泛应用于科学研究、工农业生产、军事技术、政府部门、医疗卫生等诸多领域。
例如，车牌识别、汽车自动驾驶系统、人脸识别、指纹识别与匹配系统等都是图像处理技术在实际中的典型应用。
为此，本文着眼于部队实际需求，重点结合图像处理技术，设计出了一种自动报靶系统。
该系统不仅能够提高射击效率、节省人力、避免报靶时的人员伤亡，且能实现自动报靶、成绩统计等功能，从而确保射击成绩的真实可靠，实现快速。
激光打靶系统中靶数视频图像采集与自动识别
激光打靶系统中靶数视频图像采集与自动识别杨剑飞;李宝营;臧克家【摘要】鉴于传统打靶系统实弹射击及人工报靶的缺点,如打靶受场地限制、人工报靶的准确性差,提出了一种激光打靶系统.针对视频图像采集与识别进行了研究,包括CCD视频图像采集以及对图像的识别判靶,详细介绍了视频图像采集系统的硬件组成和工作原理,并重点研究了图像识别判靶的方法,包括靶环纸中心点的确定,光斑位置的判定以及打靶环数及方位的判定,成功实现了自动报靶.%A simulation of laser targeting system was proposed to overcome the shortcomings of firing practice and artificial reported target in the traditional targeting system, such as site restriction of targeting and the poor accuracy of artificial reported targeting.The video image acquisition and recognition were studied, including the CCD video image acquisition and identification of target of image.The hardware components and working principle of the video image acquisition system were introduced in detail.The method of image recognition and judgment of target were studied, including the determination of the center position of rings paper, the judgement of light spot position and the number and location of shooting ring, realizing automatic target-scoring.【期刊名称】《大连工业大学学报》【年(卷),期】2017(036)003【总页数】4页(P231-234)【关键词】打靶系统;视频图像采集;CCD【作者】杨剑飞;李宝营;臧克家【作者单位】大连工业大学信息科学与工程学院, 辽宁大连 116034;大连工业大学信息科学与工程学院, 辽宁大连 116034;大连工业大学信息科学与工程学院, 辽宁大连 116034【正文语种】中文【中图分类】TN911.73在军事射击训练和学生军训射击考核、比赛中以实弹训练为主，不仅危险系数高，费用开支大，而且传统人工报靶的可靠性及公正性都无法保障[1]。
基于图像处理的智能模拟射击训练系统的开题报告
基于图像处理的智能模拟射击训练系统的开题报告一、课题背景随着科技的发展，越来越多的武器装备采用数字化、智能化技术，导致射击训练也越来越注重数字化、智能化。
目前射击训练的主要形式是实际射击，但由于弹药和场地的限制，实际射击的次数和频率都受到较大的限制。
此外，实际射击存在着安全隐患，尤其是未经过专业训练的人士进行射击时更为危险。
因此，发展一种基于图像处理的智能模拟射击训练系统是很有必要的。
二、课题目的与意义本课题的主要目的是设计开发一款基于图像处理的智能模拟射击训练系统，提供一种低成本、安全、高效的射击训练方法。
该系统可以识别虚拟的靶子，计算射击命中率等数据，并对用户的射击操作进行评估，从而提高射击技能水平。
三、研究内容1.基于OpenCV的图像处理算法研究通过OpenCV对摄像头采集的图像进行处理，提高图像的清晰度和识别率，帮助系统实现对靶子的识别和跟踪功能。
2.开发模拟射击场景开发一个模拟射击场景，包括虚拟靶子和各类射击场景，用户可以在场景中进行射击训练，系统可以对其射击命中率、击中位置等数据进行评估。
3.评估射击操作对用户的射击操作进行评估，包括枪姿、射击节奏、瞄准精度等多个方面，为用户提供专业的射击训练指导。
四、研究方法本课题采用以下研究方法：1.文献调研调研相关领域的前沿技术和发展方向，为研究方法和解决方案提供参考。
2.系统设计设计一个基于图像处理的智能模拟射击训练系统，包括系统结构设计、算法设计和用户交互设计。
3.代码实现基于设计方案和算法，使用Python等编程语言进行代码实现。
4.测试验证对系统进行功能测试、性能测试和用户体验测试，为系统的进一步优化提供实验数据。
五、预期成果1.论文完成一篇基于图像处理的智能模拟射击训练系统的毕业论文，阐述研究背景、设计思路、实现方案和实验结果，呈现本课题的研究成果。
2.系统完成一款基于图像处理的智能模拟射击训练系统，实现识别虚拟靶子，计算射击命中率等数据，并对用户的射击操作进行评估，提高用户的射击技能水平。
一种基于改进CenterNet的胸环靶弹孔检测方法
检测模型有着更快的检测速度，但是随之带来的问题
的，所以还有一种方法是预先检测到靶面图像的中心
是检测精度会有所降低。但使用锚框的问题是，由于
点，然后只需要计算所检测弹孔和中心点之间的欧式
检测器被训练用以分类每个锚框是否能最大程度匹配
距离和环间距就能计算出具体环数。相比较于第一种
真实框，所以需要在检测阶段预设大量的预选框以待
并保持前 100 个这样的峰值，最终可以通过下式（6）得
到预测框的坐标，完成由关键点到位置框的回归。
(x̂ i + δx̂ i - ŵ i /2,ŷ i + δŷ i - ĥ i /2,
x̂ i + δx̂ i + ŵ i /2,ŷ i + δŷ i + ĥ i /2)
（6）
该式中 ( x̂ i ,ŷ i ) 为中心点坐标，( δx̂ i ,δŷ i ) = Ô x̂ ,ŷ 为中
这将大大减少了网络的计算量和模型的训练时间。加
环值判定一般有几种普遍的做法，一种是基于环区的
之损失函数中不仅有目标中心点的位置损失和该位置
判定方法，其思想是将每一个环区先检测出来，然后分
偏置损失,还加入了目标大小损失,这也能提高算法的
准确度。
（a）输入图
（b）提取图
（c）倾斜矫正图 （d）效果增强图
这种方法过于依赖弹孔圆率、大小等先验值的设定，在
极端情况下依旧会和靶面上的划痕以及其他非弹孔混
淆，造成误检。
卷积神经网络最初于二十世纪 80 至 90 年代被提
出，到了二十一世纪后，随着深度学习理论的提出和计
算机等硬件设备的计算能力的大幅提升，卷积神经网
络得到了快速发展，其研究成果逐渐被应用于工业
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
组员：
实验流程
一.弹孔识别
1.灰度化
2.二值化 3.数学形态学处理（腐蚀膨胀） 二.环值判定 1.边缘检测
2.靶环半径及靶心半径提取
3.环值计算
灰度化
由于真彩色图像包含的信息量比灰度图大很多，如果直 接处理真彩色图，处理速度会迅速下降，而且在精度方 面与采用灰度图处理几乎没有区别。 对于彩色转灰度，有一个很著名的心理学公式：
Gray = R*0.299 + G*0.587 + B*0.114
而实际应用时，希望避免低速的浮点运算，所以需要整 数算法。我们可以将它们缩放1000倍来实现整数运算算 法： Gray = (R*299 + G*587 + B*114 + 500) / 1000
原图与灰度图
灰度图二值化
图像的二值化，就是将图像上的像素点的灰度值设置为 0或255，也就是将整个图像呈现出明显的只有黑和白的 视觉效果。 根据阈值选取的不同，二值化的算法分为固定阈值和自 适应阈值。 比较常用的二值化方法则有：双峰法、P参 数法、迭代法和OTSU法等。 我们采用的是双峰法。
双峰法取阈值
根据图像的灰度直方图，在有两个峰值（分别对应于图 像中的对象与背景）存在条件下，在两峰的中间谷取阈 值。有图可得，阈值为128。
灰度图二值化
腐蚀与膨胀
(1)腐蚀：用3x3的结构元素，扫描图像的每一个像素用 结构元素与其覆盖的二值图像做“与”操作如果都为1， 结果图像的该像素为1。否则为0。 结果：使二值图像减小一圈。
(2)膨胀：用3x3的结构元素，扫描图像的每一个像素用 结构元素与其覆盖的二值图像做“与”操作如果都为0， 结果图像的该像素为0。否则为1。
谢谢
结果：使二值图像扩大一圈。
数学形态学处理
先对二值化后的图像进行腐蚀操作后再用膨胀复原，可 除去图像中黑色噪点。同时确定图像边界。
1次膨胀
主要观察10环内的 弹孔，由于腐蚀会 将黑色弹孔消去。 膨胀操作使黑色弹 孔变大，则能看清 10环内的弹孔。
2次膨胀运 算，去掉部分数字 和靶环线干扰。靶 面有效区域边缘向 背景区域扩张了几 个像素，需要再做 两次腐蚀运算，使 靶面有效区域边缘 收缩回原来的位置。 取得靶面有效面积。