CN106485258B - 一种基于线阵ccd枪弹位置图像快速提取处理方法 - Google Patents

一种基于线阵ccd枪弹位置图像快速提取处理方法 Download PDF

Info

Publication number
CN106485258B
CN106485258B CN201610920984.4A CN201610920984A CN106485258B CN 106485258 B CN106485258 B CN 106485258B CN 201610920984 A CN201610920984 A CN 201610920984A CN 106485258 B CN106485258 B CN 106485258B
Authority
CN
China
Prior art keywords
image
bullet
similarity
testing
degree
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201610920984.4A
Other languages
English (en)
Other versions
CN106485258A (zh
Inventor
鲁旭涛
李静
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
North University of China
Original Assignee
North University of China
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by North University of China filed Critical North University of China
Priority to CN201610920984.4A priority Critical patent/CN106485258B/zh
Publication of CN106485258A publication Critical patent/CN106485258A/zh
Application granted granted Critical
Publication of CN106485258B publication Critical patent/CN106485258B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • G06V10/443—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components by matching or filtering

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

本发明涉及枪弹位置提取方法，具体是一种基于线阵CCD枪弹位置图像快速提取处理方法。本发明解决了现有枪弹位置提取方法提取精确度低、提取效率低的问题。一种基于线阵CCD枪弹位置图像快速提取处理方法，该方法是采用如下步骤实现的：步骤S1：采集图像；步骤S2：将图像分成若干个区域；步骤S3：计算待测图像和对比图像的相似性程度；步骤S4：将相似性程度与设定的阈值进行比较；步骤S5：截取待测图像及其周围的八联通区域作为枪弹图像预处理结果图；步骤S6：将单行背景模板进行多次合并扩建；步骤S7：将枪弹图像预处理结果图和无枪弹模板图进行灰度值差分运算；步骤S8：进行中值滤波；步骤S9：计算出枪弹位置。本发明适用于高精度立靶测试系统。

Description

一种基于线阵CCD枪弹位置图像快速提取处理方法
技术领域
本发明涉及枪弹位置提取方法，具体是一种基于线阵CCD枪弹位置图像快速提取处理方法。
背景技术
枪弹位置提取是高精度立靶测试系统中的核心环节。目前，枪弹位置提取主要是采用背景差分法实现的。然而，背景差分法由于自身原理所限，存在提取精确度低、提取效率低的问题，具体阐述如下：一、背景差分法要求枪弹所处的背景是较为均匀且不变的，一旦枪弹处在明暗交替且变化的背景中，背景差分法的提取精确度便会大幅降低。二、背景差分法的平均运行时间较长，导致其运算速度较慢，由此导致其提取效率低。基于此，有必要发明一种全新的枪弹位置提取方法，以解决现有枪弹位置提取方法存在的上述问题。
发明内容
本发明为了解决现有枪弹位置提取方法提取精确度低、提取效率低的问题，提供了一种基于线阵CCD枪弹位置图像快速提取处理方法。
本发明是采用如下技术方案实现的：
一种基于线阵CCD枪弹位置图像快速提取处理方法，该方法是采用如下步骤实现的：
步骤S1：通过线阵CCD采集图像；
步骤S2：将采集到的图像分成若干个区域，然后从图像的左上角按列开始，将第一个区域作为待测图像，将其后一个区域作为对比图像；
步骤S3：计算待测图像和对比图像的相似性程度；具体计算公式如下：
公式(1)中：ρ表示待测图像和对比图像的相似性程度；k(i,j)表示待测图像；f(i,j)表示对比图像；i表示图像的行；j表示图像的列；
步骤S4：将待测图像和对比图像的相似性程度与设定的阈值进行比较；若相似性程度小于阈值，则将当前的待测图像视为有枪弹的图像，然后转到步骤S5；若相似性程度大于或等于阈值，则将当前的待测图像视为背景图像，将当前的对比图像作为新的待测图像，将其后一个区域作为新的对比图像，然后返回步骤S3；
步骤S5：截取待测图像及其周围的八联通区域作为枪弹图像预处理结果图，然后构建单行背景模板；具体构建公式如下：
公式(2)中：表示单行背景模板；gi(i,j)表示枪弹图像预处理结果图的第i行；i表示图像的行；j表示图像的列；
步骤S6：将单行背景模板进行多次合并扩建，由此得到无枪弹模板图；
步骤S7：将枪弹图像预处理结果图和无枪弹模板图进行灰度值差分运算，由此得到枪弹图像输出结果图；具体运算公式如下：
公式(3)中：h(i,j)表示枪弹图像输出结果图；g(i,j)表示枪弹图像预处理结果图；l(i,j)表示无枪弹模板图；i表示图像的行；j表示图像的列；
步骤S8：将枪弹图像输出结果图进行中值滤波；
步骤S9：利用灰度重心法计算出枪弹图像输出结果图中的枪弹位置，由此实现枪弹位置的快速提取。
与背景差分法相比，本发明所述的一种基于线阵CCD枪弹位置图像快速提取处理方法通过采用全新的提取原理，具备了如下优点：一、无论枪弹处在较为均匀且不变的背景中还是明暗交替且变化的背景中，本发明所述方法均能够保证很高的提取精确度。二、本发明所述方法的平均运行时间更短，因此其运算速度更快，提取效率更高。
为了验证本发明的上述优点，进行如下对比试验：
通过线阵CCD采集三张枪弹位置不同的图像，然后分别采用背景差分法和本发明所述方法对三张图像进行枪弹位置提取，提取结果见表1：
表1比较两种方法确定枪弹位置
通过表1可以看出：一、当枪弹处在较为均匀且不变的背景中时，采用两种方法提取出的枪弹位置基本一致。当枪弹处在明暗交替且变化的背景中时，采用背景差分法提取出的枪弹位置并不精确(受噪声影响很大)，而采用本发明所述方法提取出的枪弹位置更加精确(受噪声影响很小)。由于在实际的枪弹射击中，枪弹处在明暗交替且变化的背景中的概率很大，因此本发明所述方法的提取精确度更高。二、背景差分法的平均运行时间为6.644秒，而本发明所述方法的平均运行时间仅为0.509秒，因此本发明所述方法的运算速度更快，提取效率更高。
本发明有效解决了现有枪弹位置提取方法提取精确度低、提取效率低的问题，适用于高精度立靶测试系统。
附图说明
图1是本发明的流程示意图。
图2是本发明步骤S2中采集到的图像。
图3是本发明步骤S5中的枪弹图像预处理结果图。
图4是本发明步骤S7中的枪弹图像输出结果图。
具体实施方式
一种基于线阵CCD枪弹位置图像快速提取处理方法，该方法是采用如下步骤实现的：
步骤S1：通过线阵CCD采集图像；
步骤S2：将采集到的图像分成若干个区域，然后从图像的左上角按列开始，将第一个区域作为待测图像，将其后一个区域作为对比图像；
步骤S3：计算待测图像和对比图像的相似性程度；具体计算公式如下：
公式(1)中：ρ表示待测图像和对比图像的相似性程度；k(i,j)表示待测图像；f(i,j)表示对比图像；i表示图像的行；j表示图像的列；
步骤S4：将待测图像和对比图像的相似性程度与设定的阈值进行比较；若相似性程度小于阈值，则将当前的待测图像视为有枪弹的图像，然后转到步骤S5；若相似性程度大于或等于阈值，则将当前的待测图像视为背景图像，将当前的对比图像作为新的待测图像，将其后一个区域作为新的对比图像，然后返回步骤S3；
步骤S5：截取待测图像及其周围的八联通区域作为枪弹图像预处理结果图，然后构建单行背景模板；具体构建公式如下：
公式(2)中：表示单行背景模板；gi(i,j)表示枪弹图像预处理结果图的第i行；i表示图像的行；j表示图像的列；
步骤S6：将单行背景模板进行多次合并扩建，由此得到无枪弹模板图；
步骤S7：将枪弹图像预处理结果图和无枪弹模板图进行灰度值差分运算，由此得到枪弹图像输出结果图；具体运算公式如下：
公式(3)中：h(i,j)表示枪弹图像输出结果图；g(i,j)表示枪弹图像预处理结果图；l(i,j)表示无枪弹模板图；i表示图像的行；j表示图像的列；
步骤S8：将枪弹图像输出结果图进行中值滤波；
步骤S9：利用灰度重心法计算出枪弹图像输出结果图中的枪弹位置，由此实现枪弹位置的快速提取。
具体实施时，所述步骤S2中，采集到的图像大小为1000pix*8192pix，每个区域的大小均为50pix*128pix；所述步骤S5中，八联通区域的大小为50pix*128pix*9，N的值取35，单行背景模板的大小为1pix*384pix；所述步骤S6中，无枪弹模板图的大小为150pix*384pix。

Claims (2)

1.一种基于线阵CCD枪弹位置图像快速提取处理方法，其特征在于：该方法是采用如下步骤实现的：
步骤S1：通过线阵CCD采集图像；
步骤S2：将采集到的图像分成若干个区域，然后从图像的左上角按列开始，将第一个区域作为待测图像，将其后一个区域作为对比图像；
步骤S3：计算待测图像和对比图像的相似性程度；具体计算公式如下：
公式(1)中：ρ表示待测图像和对比图像的相似性程度；k(i,j)表示待测图像；f(i,j)表示对比图像；i表示图像的行；j表示图像的列；
步骤S4：将待测图像和对比图像的相似性程度与设定的阈值进行比较；若相似性程度小于阈值，则将当前的待测图像视为有枪弹的图像，然后转到步骤S5；若相似性程度大于或等于阈值，则将当前的待测图像视为背景图像，将当前的对比图像作为新的待测图像，将其后一个区域作为新的对比图像，然后返回步骤S3；
步骤S5：截取待测图像及其周围的八连通区域作为枪弹图像预处理结果图，然后构建单行背景模板；具体构建公式如下：
公式(2)中：表示单行背景模板；gi(i,j)表示枪弹图像预处理结果图的第i行；i表示图像的行；j表示图像的列；
步骤S6：将单行背景模板进行多次合并扩建，由此得到无枪弹模板图；
步骤S7：将枪弹图像预处理结果图和无枪弹模板图进行灰度值差分运算，由此得到枪弹图像输出结果图；具体运算公式如下：
公式(3)中：h(i,j)表示枪弹图像输出结果图；g(i,j)表示枪弹图像预处理结果图；l(i,j)表示无枪弹模板图；i表示图像的行；j表示图像的列；
步骤S8：将枪弹图像输出结果图进行中值滤波；
步骤S9：利用灰度重心法计算出枪弹图像输出结果图中的枪弹位置，由此实现枪弹位置的快速提取。
2.根据权利要求1所述的一种基于线阵CCD枪弹位置图像快速提取处理方法，其特征在于：所述步骤S2中，采集到的图像大小为1000pix*8192pix，每个区域的大小均为50pix*128pix；所述步骤S5中，八连通区域的大小为50pix*128pix*9，N的值取35，单行背景模板的大小为1pix*384pix；所述步骤S6中，无枪弹模板图的大小为150pix*384pix。
CN201610920984.4A 2016-10-21 2016-10-21 一种基于线阵ccd枪弹位置图像快速提取处理方法 Active CN106485258B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610920984.4A CN106485258B (zh) 2016-10-21 2016-10-21 一种基于线阵ccd枪弹位置图像快速提取处理方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610920984.4A CN106485258B (zh) 2016-10-21 2016-10-21 一种基于线阵ccd枪弹位置图像快速提取处理方法

Publications (2)

Publication Number Publication Date
CN106485258A CN106485258A (zh) 2017-03-08
CN106485258B true CN106485258B (zh) 2019-03-05

Family

ID=58270996

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610920984.4A Active CN106485258B (zh) 2016-10-21 2016-10-21 一种基于线阵ccd枪弹位置图像快速提取处理方法

Country Status (1)

Country Link
CN (1) CN106485258B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107977686B (zh) * 2017-12-22 2020-04-28 浙江大学 一种工业x光图像的分类方法
CN110455222B (zh) * 2019-07-31 2021-04-27 中山大学 一种高精度旋转角测量方法、装置及设备

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104123546A (zh) * 2014-07-25 2014-10-29 黑龙江省科学院自动化研究所 基于多维特征提取的枪弹痕迹比对方法
CN105427344A (zh) * 2015-11-18 2016-03-23 江苏省电力公司检修分公司 一种变电站智能系统中运动目标检测方法
CN105654085A (zh) * 2015-12-31 2016-06-08 杭州晨鹰军泰科技有限公司 一种基于图像技术的弹孔识别方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104123546A (zh) * 2014-07-25 2014-10-29 黑龙江省科学院自动化研究所 基于多维特征提取的枪弹痕迹比对方法
CN105427344A (zh) * 2015-11-18 2016-03-23 江苏省电力公司检修分公司 一种变电站智能系统中运动目标检测方法
CN105654085A (zh) * 2015-12-31 2016-06-08 杭州晨鹰军泰科技有限公司 一种基于图像技术的弹孔识别方法

Non-Patent Citations (6)

* Cited by examiner, † Cited by third party
Title
A NEW NOISE SUPPRESSION METHOD FOR HIGH-DEFINITION CCD CAMERAS;Masahiro Ohbo 等;《IEEE Transactions on Consumer Electronics》;19890831;第35卷(第3期);368-374
Automatic target detection using binary template matching;Dong-San Jun 等;《Optical Engineering》;20050331;第44卷(第3期);1-7
基于线阵CCD高速目标信号提取;何丹 等;《机械与电子》;20131231(第2期);27-30
基于线阵相机采集平台的枪弹表面质量检测技术;孙文缎 等;《兵工自动化》;20130131;第32卷(第1期);87-90
室内线阵CCD立靶测试系统中关键问题的研究;刘晶晶;《中国优秀硕士学位论文全文数据库 信息科技辑（月刊）》;20130715;第2013年卷(第07期);I135-294
线阵CCD测量高速弹丸图像信息处理研究;雷志勇 等;《半导体光电》;20091031;第30卷(第5期);751-754

Also Published As

Publication number Publication date
CN106485258A (zh) 2017-03-08

Similar Documents

Publication Publication Date Title
Wang et al. Geometry-aware scene text detection with instance transformation network
JP2017005389A5 (zh)
CN104217194B (zh) 图像核对方法及装置、模型模板生成方法及装置
KR101635896B1 (ko) 깊이 정보 기반 사람 추적 장치 및 그 방법
CN103530638A (zh) 多摄像头下的行人匹配方法
JP2018173818A5 (zh)
CN105279506B (zh) 满文单词中轴线的定位方法
CN109359555A (zh) 一种高精度的人脸快速检测方法
CN105469397B (zh) 一种基于系数矩阵分析的目标遮挡检测方法
CN105069457B (zh) 图像识别方法和装置
CN106485258B (zh) 一种基于线阵ccd枪弹位置图像快速提取处理方法
CN109785356B (zh) 一种视频图像的背景建模方法
CN111027440A (zh) 一种基于神经网络的人群异常行为检测装置和检测方法
KR101732359B1 (ko) 이미지 내의 텍스트를 검출하는 방법 및 장치
CN105516735B (zh) 代表帧获取方法和装置
JP6326622B2 (ja) 人物検出装置
CN103530879B (zh) 特定场景下的行人颜色提取方法
CN108491888B (zh) 基于形态学分析的环境监测高光谱数据谱段选择方法
JP6082312B2 (ja) テンプレート画像候補領域決定装置、テンプレート画像候補領域決定方法、及びプログラム
CN109002750B (zh) 一种基于显著性检测与图像分割的相关滤波跟踪方法
JP6396051B2 (ja) エリア状態推定装置、エリア状態推定方法、プログラムおよび環境制御システム
CN102637299B (zh) 一种利用局部极值聚类对发光二极管进行计数的方法
Chaudhary et al. A comparative study of fruit defect segmentation techniques
CN110148151A (zh) 一种运动目标提取方法与装置
Jianwei et al. Research on monocular visual gesture positioning based on YOLO v2

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant