CN104809711B - 固体推进剂羽流烟雾视频图像处理方法 - Google Patents

Abstract

本发明公开了一种固体推进剂羽流烟雾视频处理方法，主要适用于对特定背景下的固体推进剂羽流烟雾的可见光波段视频图像处理，烟雾的红外光、激光图像视频也可参照该方法进行处理。该方法主要通过将固体推进剂羽流烟雾视频转换为图像序列，利用图像序列与基准图像之间的灰度差异以及图像中不同区域之间的灰度差异，通过图像处理计算推进剂羽流烟雾在不同区域的光学透过率。该方法可大大降低环境中的杂散光及传感器引入的噪声对测试结果的影响，有效表征固体推进剂羽流烟雾场的时间及空间分布特性。

Description

固体推进剂羽流烟雾视频图像处理方法

所属技术领域

本发明是一种视频图像处理方法，适用于固体推进剂羽流烟雾图像处理。

背景技术

低特征信号推进剂是我国固体推进剂发展的一个重要方向。越来越多的武器系统在研制过程中，提出了对实弹或全尺寸发动机羽流烟雾性能的现场测试要求。无论是实弹还是全尺寸发动机，由于其装药量大、工作过程产生强烈震动和冲击波、烟雾分布范围比较大而且复杂变化，另外测试对象的不同和测试环境复杂变化等也会影响测试结果，对火箭烟雾的遮蔽能力的测试技术提出了新的要求。原有的推进剂烟雾遮蔽能力测试属于点测试，通过测试推进剂烟雾对点光源的遮蔽效果来表征烟雾场的遮蔽效果。在利用视频处理方法对烟雾遮蔽能力处理的方法中，无法有效的消除环境光的干扰，导致视频处理方法无法在固体推进剂烟雾特性测试中得以应用。

发明内容

为了克服现有技术的不足，本发明提供一种对固体推进剂烟雾视频进行处理的方法，能够对检测推进剂羽流烟雾场的可见、红外、激光光遮蔽能力试验的视频数据进行处理，有效去除环境及仪器噪声对测试结果的影响。

本发明提供的固体推进剂烟雾视频图像处理方法，步骤如下：

(1)对推进剂羽流烟雾视频分帧，若图像不为灰度图像则进行灰度化处理，转化为灰度图像序列；对灰度图像序列进行裁剪，去除靶板以外的图像部分，得到推进剂羽流烟雾图像序列；

(2)在推进剂烟雾视频图像序列中提取发动机点火前的部分图像序列作为基准图像序列；

(3)对基准图像序列的像素灰度求均值，采用如下公式合成基准背景图像S_M×N：

公式中，为合成图像S_M×N在(i,j)点处的灰度值；P_k(i,j)为基准图像序列中第k帧图像中(i,j)点处的灰度值；图像S_M×N为合成图像；M为基准图像像素矩阵的总行数；N为基准图像像素矩阵的总列数；T为基准图像序列的帧数；

(4)将基准图像按一定要求划分为网格区域；步骤如下：

i.对基准背景图像S_M×N采用高斯去噪算法进行降噪，得到降噪后的图像R_M×N；

ii.对图像R_M×N采用直方图均衡化算法得到图像E_M×N；

iii.对图像E_M×N进行二值化处理，得到黑白条纹相间的二值图像B_M×N；

iv.确定二值图像B_M×N中的黑白条纹总数量N_L，统计每个条纹的宽度的像素数W_j；将二值图像B_M×N划分为M₁×N_L网格区域。其中M₁、N_L为整数，且M₁<M；假定M₁×N_L网格区域中第i行第j列的区域为Area(i,j)，则网格区域中任一区域Area(i,j)纵向宽度的像素数为取整,横向长度的像素数为W_j；

(5)对基准背景图像及推进剂羽流烟雾图像序列中的每帧图像按步骤四确定的网格区域进行划分，并求每个区域内的平均灰度值；

(6)对烟雾图像序列中的每一帧图像的每个区域的灰度值与基准背景图像对应区域的灰度平均值作比值，将该比值定义为该区域的光学透过率；计算公式为

其中τ_k(i,j)表示推进剂羽流烟雾图像序列中第k帧图像在区域Area(i,j)的光学透过率，G_base(i,j)为基准背景图像在区域Area(i,j)的平均灰度值，G_k(i,j)为推进剂羽流烟雾图像序列中第k帧图像在区域Area(i,j)的平均灰度值；

(7)对烟雾图像序列中的每一帧图像的每个网格区域，利用其水平相邻异色区域的光学透过率进行校准计算，消除背景光及传感器自身引入的噪声造成的影响，获得该区域的烟雾光学透过率；校准方法为：将推进剂羽流烟雾图像中的网格区域的光学透过率由烟雾场的透过率、环境中的杂散光及噪声与基准比值合成；图像中的烟雾场的透过率在相邻的区域处的变化缓慢而均匀的变化，杂散光在相邻的区域相同即

l_k(i,j-1)＝l_k(i,j)＝l_k(i,j+1)

其中τ_k'(i,j)表示推进剂羽流烟雾图像序列中第k帧图像在区域Area(i,j)的烟雾透过率，τ_k(i,j)表示推进剂羽流烟雾图像序列中第k帧图像在区域Area(i,j)的光学透过率，G_base(i,j)为基准背景图像在区域Area(i,j)的平均灰度值，l_k(i,j)表示推进剂羽流烟雾图像序列中第k帧图像在区域Area(i,j)的杂散光及噪声的成像灰度；根据该方程组，可求得τ_k'(i,j)表示推进剂羽流烟雾图像序列中第k帧图像在区域Area(i,j)的烟雾透过率。

本发明优点：可大大降低环境中的杂散光及传感器引入的噪声对测试结果的影响，有效表征固体推进剂羽流烟雾场的时间及空间分布特性。

附图说明

图1发动机羽流烟雾初始图像

图2发动机羽流烟雾图像分区示意图

图3发动机羽流烟雾某分区的透过率曲线

具体实施方式

下面通过实施例对本发明做进一步的解释说明。

1)对某推进剂的发动机羽流烟雾视频分帧，灰度化及裁剪处理，形成一个3500帧的图像序列，图1为第一帧图像。

2)在推进剂烟雾图像序列中提取前500帧图像序列作为基准图像序列(该图像序列中发动机点火前图像约为2500帧)。

3)对基准图像序列的500帧图像中每个对应的像素点的像素灰度求均值，合成基准图像S。

4)将基准图像S按一定要求划分为7X9网格区域，图2为分区示意图。

5)对基准背景图像S及推进剂羽流烟雾图像序列中的每帧图像按步骤四确定的7X4网格区域进行划分，并求每个区域内的平均灰度值。

6)对烟雾图像序列中的每一帧图像的每个区域的灰度值与基准背景图像对应区域的灰度平均值作比值，将该比值定义为该区域的光学透过率。

7)对烟雾图像序列中的每一帧图像的每个网格区域，利用其水平相邻异色区域的光学透过率进行校准计算，消除背景光及传感器自身引入的噪声造成的影响，获得该区域的烟雾光学透过率，图3为区域(2,4)的透过率曲线。

Claims (2)

1.一种固体推进剂羽流烟雾视频图像处理方法，其特征在于步骤如下：

(1)对推进剂羽流烟雾视频分帧，若图像不为灰度图像则进行灰度化处理，转化为灰度图像序列；对灰度图像序列进行裁剪，去除靶板以外的图像部分，得到推进剂羽流烟雾图像序列；

(2)在推进剂烟雾视频图像序列中提取发动机点火前的部分图像序列作为基准图像序列；

(3)对基准图像序列的像素灰度求均值，采用如下公式合成基准背景图像S_M×N：

$P_{S_{M\&times;N}}(i,j)=\frac{\underset{k=1}{\overset{T}{\&Sigma;}}{P}_k(i,j)}{T}$

公式中，为合成图像S_M×N在(i,j)点处的灰度值；P_k(i,j)为基准图像序列中第k帧图像中(i,j)点处的灰度值；图像S_M×N为合成图像；M为基准图像像素矩阵的总行数；N为基准图像像素矩阵的总列数；T为基准图像序列的帧数；

(4)将基准图像按一定要求划分为网格区域；步骤如下：

i.对基准背景图像S_M×N进行二值化处理，得到黑白条纹相间的二值图像B_M×N；

ii.确定二值图像B_M×N中的黑白条纹总数量N_L，统计每个条纹的宽度的像素数W_j；将二值图像B_M×N划分为M₁×N_L网格区域，其中M₁、N_L为整数，且M₁<M；假定M₁×N_L网格区域中第i行第j列的区域为Area(i,j)，则网格区域中任一区域Area(i,j)纵向宽度的像素数为取整,横向长度的像素数为W_j；

(5)对基准背景图像及推进剂羽流烟雾图像序列中的每帧图像按步骤四确定的网格区域进行划分，并求每个区域内的平均灰度值；

(6)对烟雾图像序列中的每一帧图像的每个区域的灰度值与基准背景图像对应区域的灰度平均值作比值，将该比值定义为该区域的光学透过率；计算公式为：

$\mathrm{\&tau;}(i,j)=\left\{\begin{array}{c}\frac{G_k(i,j)}{G_{base}(i,j)},G_{base}(i,j)\&NotEqual;0\\ G_k(i,j),G_{base}(i,j)\&NotEqual;0\end{array}\right.$

其τ_k(i,j)中表示推进剂羽流烟雾图像序列中第k帧图像在区域Area(i,j)的光学透过率，G_base(i,j)为基准背景图像在区域Area(i,j)的平均灰度值，G_k(i,j)为推进剂羽流烟雾图像序列中第k帧图像在区域Area(i,j)的平均灰度值；

(7)对烟雾图像序列中的每一帧图像的每个网格区域，利用其水平相邻异色区域的光学透过率进行校准计算，消除背景光及传感器自身引入的噪声造成的影响，获得该区域的烟雾光学透过率；校准方法为：将推进剂羽流烟雾图像中的网格区域的光学透过率由烟雾场的透过率、环境中的杂散光及噪声与基准比值合成；图像中的烟雾场的透过率在相邻的区域处的变化缓慢而均匀的变化，杂散光在相邻的区域相同即

${{\mathrm{\&tau;}}_k}^{\&prime;}(i,j)=\left\{\begin{array}{c}{{\mathrm{\&tau;}}_k}^{\&prime;}(i,j-1)+{{\mathrm{\&tau;}}_k}^{\&prime;}(i,j+1),1<j<N_L\\ {{\mathrm{\&tau;}}_k}^{\&prime;}(i,j+1),j=1\\ {{\mathrm{\&tau;}}_k}^{\&prime;}(i,j),j=N_L\end{array}\right.$

l_k(i,j-1)＝l_k(i,j)＝l_k(i,j+1)

${\mathrm{\&tau;}}_k(i,j)=\left\{\begin{array}{c}{{\mathrm{\&tau;}}_k}^{\&prime;}(i,j)+\frac{l_k(i,j)}{G_{base}(i,j)},G_{base}(i,j)\&NotEqual;0\\ l_k(i,j),G_{base}(i,j)=0\end{array}\right.$

其中τ_k'(i,j)表示推进剂羽流烟雾图像序列中第k帧图像在区域Area(i,j)的烟雾透过率，τ_k(i,j)表示推进剂羽流烟雾图像序列中第k帧图像在区域Area(i,j)的光学透过率，G_base(i,j)为基准背景图像在区域Area(i,j)的平均灰度值，l_k(i,j)表示推进剂羽流烟雾图像序列中第k帧图像在区域Area(i,j)的杂散光及噪声的成像灰度；根据该方程组，可求得τ_k'(i,j)表示推进剂羽流烟雾图像序列中第k帧图像在区域Area(i,j)的烟雾透过率。

2.根据权利要求1所述的固体推进剂羽流烟雾视频图像处理方法，其特征在所述步骤(4)中，将基准背景图像S_M×N进行二值化处理，其步骤在于：

i.对基准背景图像S_M×N采用高斯去噪算法进行降噪，得到降噪后的图像R_M×N；

ii.对图像R_M×N采用直方图均衡化算法得到图像E_M×N；

iii.对图像E_M×N进行二值化处理，得到黑白条纹相间的二值图像B_M×N。