CN114882354B - 一种活性毁伤元爆裂毁伤快速精确图像识别方法 - Google Patents

一种活性毁伤元爆裂毁伤快速精确图像识别方法 Download PDF

Info

Publication number
CN114882354B
CN114882354B CN202210400077.2A CN202210400077A CN114882354B CN 114882354 B CN114882354 B CN 114882354B CN 202210400077 A CN202210400077 A CN 202210400077A CN 114882354 B CN114882354 B CN 114882354B
Authority
CN
China
Prior art keywords
scale
contour
area
damage
perforation
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
CN202210400077.2A
Other languages
English (en)
Other versions
CN114882354A (zh
Inventor
郭焕果
王海福
郑元枫
余庆波
肖艳文
赵宏伟
汪德武
贺元吉
葛超
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.)
Beijing Institute of Technology BIT
Original Assignee
Beijing Institute of Technology BIT
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 Beijing Institute of Technology BIT filed Critical Beijing Institute of Technology BIT
Priority to CN202210400077.2A priority Critical patent/CN114882354B/zh
Publication of CN114882354A publication Critical patent/CN114882354A/zh
Application granted granted Critical
Publication of CN114882354B publication Critical patent/CN114882354B/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
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/22—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/30—Noise filtering
    • 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

Landscapes

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

Abstract

本发明公开了一种活性毁伤元爆裂毁伤快速精确图像识别方法。本发明将标尺放置在后效靶上，首先基于图像处理技术识别测量标尺，获得图像像素与现实尺寸的比例尺关系；然后基于图像处理技术识别图像中的轮廓，并基于活性毁伤元爆裂产生的穿孔的特点，剔除非穿孔轮廓；最后利用穿孔轮廓面积及比例尺即可获得不规则形状的穿孔面积。本发明可对不规则形状穿孔轮廓的面积进行高效批量识别与计算，大幅提高了识别精度以及处理效率。与实际结果对比表明，相对误差在3％内，可短时高效、精确测量穿孔面积；且对仪器设备要求较低，具有可操作性强、方法简单、应用场景多样等特点，便于对活性毁伤元侵爆耦合毁伤模式进行毁伤评估。

Description

一种活性毁伤元爆裂毁伤快速精确图像识别方法
技术领域
本发明涉及弹药毁伤及图像识别技术领域，具体涉及一种活性毁伤元爆裂毁伤快速精确图像识别方法。
背景技术
活性材料是近十年来快速发展的一种新型含能材料，是武器弹药与装备研究的热点之一，其兼具类金属材料的力学性能与含能材料的爆炸性能，具有独特的性能优势。杀爆战斗部是毁伤目标运用最为广泛的战斗部，其利用爆炸后产生的破片飞散对目标进行毁伤。活性材料通过冷压与高温烧结制备而成的活性破片毁伤元以一定的初速碰撞目标后，活性破片在强冲击作用下会发生爆燃反应，释放大量化学能，从而实现对目标的侵爆联合高效毁伤。由于活性破片毁伤元是通过动能与爆炸产生的化学能时序联合毁伤目标，其在后效靶上爆裂产生的穿孔往往数量较多且呈现不规则的形状，导致破片爆裂毁伤的面积难以测量计算，穿孔面积计算一旦误差较大，将极大影响毁伤的后效评估，因此精确识别计算活性破片作用靶板的穿孔面积对于毁伤评估具有重要意义。
在图像处理与模式识别中，面积特征是十分重要的一个特征，不规则形状面积的识别与测定在现代工业生产具有广泛的应用领域，例如叶面积作为农作物栽培育种中常用的指标，被用于评价农作物产量与品质；医学中患者受伤皮肤与鼓膜穿孔面积的计算反馈准确而快速，给医生带来方便。相比于前两者，由于活性破片对后效靶作用穿孔轮廓的数量与不规则程度大大增加，虽然随着计算机相关技术的不断发展，实现了对不规则穿孔图像面积的快速识别与计算，但都存在着对环境要求高、机动性差、步骤复杂以及识别效率不高的缺点。
发明内容
有鉴于此，本发明提供了一种活性毁伤元爆裂毁伤快速精确图像识别方法，通过图像处理技术，对图像中标尺进行识别和测定，对穿孔进行识别与检测，实现对后效靶爆裂穿孔面积的精确计算。
本发明的活性毁伤元爆裂毁伤快速精确图像识别方法，包括：
S1，将两个相互垂直的标尺放置在活性毁伤元毁伤后的后效靶上，爆裂产生的穿孔位于两个标尺的量程范围内，对后效靶进行成像；
S2，利用标尺刻度的颜色，对标尺进行识别，获得成像图片的像素比例尺；
S3，以成像图片中标尺量程范围内的区域作为工作区域，进行轮廓识别，并剔除轮廓内部的噪点以及狭长轮廓，获得穿孔轮廓；
S4，由穿孔轮廓内像素点数和S2确定的像素比例尺，获得穿孔面积。
较优的，所述S2具体包括：
S21，将S1获得的成像图片转到HSV空间，利用标尺刻度对应颜色的掩膜提取刻度所在区域，并利用设定的距离阈值对提取的区域进行合并，获得刻度区域；
S22，对所有刻度区域进行共线判断，获得两组标尺；
S23，针对各标尺，根据该标尺上相邻刻度区域间的像素长度与实际的标尺刻度间距，获得该标尺方向的像素比例尺。
较优的，所述S21中，首先对提取的区域进行面积判断，剔除面积小于或等于设定面积阈值的区域后，再进行合并。
较优的，利用OpenCV中轮廓提取函数findContours()直接提取面积大于设定面积阈值的区域。
较优的，所述S22中，选取任意三个刻度区域，计算其中任意一个刻度区域的中心点到另外两个刻度区域中心点连线的垂直距离，若垂直距离小于设定的共线误差阈值d2，则认为该三个刻度区域共线；遍历所有刻度区域，得到各刻度区域的标尺归属。
较优的，所述S23中，提取同一标尺上的任意三个刻度区域，计算该三个刻度区域的最长间距，判断所述最长间距是否在设定的标尺长度范围[dmin,dmax]内，若是，则该三个刻度区域为相邻的刻度区域，利用相邻的刻度区域间的像素长度和现实标尺刻度间实际长度，确定该标尺方向的像素比例尺。
较优的，所述S3具体包括：
S31，提取工作区域的RGB分量，找到工作区域中穿孔子区域与靶板子区域差别最大的分量，并放大所述差别最大的分量，减小其他两个分量；转化为灰度图；
S32，调整所述灰度图的亮度阈值，以穿孔轮廓最完整清晰时的亮度阈值为划分阈值，对所述灰度图进行二值分割，得到二值化图像；
S33，对二值化图像进行轮廓识别，并剔除轮廓内部的噪点以及狭长轮廓，获得穿孔轮廓。
较优的，所述S3中，对所有识别到的轮廓边界上的像素点数量进行判断，小于设定的轮廓周长阈值则认为是噪点，予以剔除；
计算识别到的轮廓的面积周长比，若小于设定的轮廓圆度阈值CS，则进一步判断是否是狭长轮廓，若是，则予以剔除。
较优的，狭长轮廓的判断方法如下：
针对识别到的轮廓A，以轮廓A上任一轮廓点a为起点，利用函数findContours()寻找同属于轮廓A的其他轮廓点，判断是否存在与轮廓点a序号之差大于参数dL的轮廓点存在，若存在则认为轮廓A为狭长轮廓。
较优的，所述S3还包括S30：
S30，对工作区域进行平滑滤波处理，去除图像噪声。
有益效果：
(1)本发明将标尺放置在后效靶上，首先基于图像处理技术识别测量标尺，获得图像与现实尺寸的比例尺关系；然后基于图像处理技术识别图像中的轮廓，并基于活性毁伤元爆裂产生的穿孔的特点，剔除非穿孔轮廓；最后利用穿孔轮廓面积及比例尺即可获得不规则形状的穿孔面积。本发明可对不规则形状穿孔轮廓的面积进行高效批量识别与计算，大幅提高了识别精度以及处理效率。本发明方法对仪器设备要求较低，具有可操作性强、方法简单、应用场景多样等特点；对于活性破片毁伤穿孔图像识别效率高，测量计算穿孔面积准确率高，与实际结果对比表明，相对误差在3％内，可短时高效、精确测量穿孔面积，便于对活性毁伤元侵爆耦合毁伤模式进行毁伤评估。
(2)本发明利用标尺刻度的颜色，对标尺刻度区域进行识别，同时利用同一刻度区域距离相近、不同刻度的刻度区域距离较远，对识别的区域进行合并，提高了对标尺红色区域的识别成功率；利用同一标尺刻度的共线性，将所有刻度区域归拢至对应标尺，具有较好的可实施性以及较高的准确率；根据同一标尺相邻刻度区域间的像素长度和现实标尺相邻刻度的真实距离，即可得到像素比例尺，利用该比例尺，只需求取穿孔区域的像素数，即可获得实际穿孔面积，可有效解决战斗部靶场试验中后效靶上穿孔数量多、形状复杂、毁伤面积难以准确测量的问题，只需计算经过图像处理后穿孔轮廓内部的的的像素点数量，且计算量低，可实现快速准确计算。
(3)提取刻度区域时，首先剔除面积过小的区域，避免环境土壤等具有与标尺刻度相似颜色造成的误差，提高刻度区域识别率。
(4)利用设定的dmin和dmax即可确认三个刻度区域是否是属于同一个标尺的相邻刻度区域，计算量小，方便快捷。
(5)穿孔区域的轮廓提取过程中，首先利用穿孔子区域与靶板子区域的RGB差别最大的分量，通过放大该差别最大分量，减小另外两个分量，使得穿孔子区域和靶板子区域的灰度差别最大化，使得穿孔部分的灰度值趋于黑色，而靶板部分的灰度值趋于白色，去除不同分量差距过小，导致颜色分布不明显所带来的影响；同时，利用调整灰度图的亮度阈值，基于穿孔轮廓最完整清晰时对应的亮度阈值，对灰度图进行二值分割，进一步减少了噪点对于穿孔轮廓识别的影响，同时穿孔区域内部的噪点不出现连接成片的现象，穿孔轮廓又能够被比较准确地识别出来，大大提高了识别的准确性。
(6)利用轮廓边界上的像素点数量剔除噪点；基于活性毁伤元爆裂毁伤穿孔的轮廓特点，利用轮廓圆度和狭长度，剔除非活性毁伤元爆裂产生的穿孔，提高穿孔轮廓的识别率。
(7)利用函数findContours()即可实现关于轮廓及其面积的筛选，如狭长孔等，方便快捷。
(8)轮廓识别前，先对工作区域进行平滑滤波处理，去除图像噪声，提高轮廓识别准确率。
附图说明
图1为本发明图像快速识别方法流程图。
图2为本发明中红色区域识别过程示意图。
图3为本发明中识别标尺流程图。
图4为本发明中靶板图像沿基准线的RGB分量图。
图5为本发明中靶板灰度分布直方图。
图6为本发明中B不同取值条件下的图像分割结果示意图。
图7为本发明中检测狭长孔示意图。
图8为本发明中靶板图像处理过程示意图。
具体实施方式
下面结合附图并举实施例，对本发明进行详细描述。
本发明提供了一种活性毁伤元爆裂毁伤快速精确图像识别方法，通过Python等语言，实现对活性破片毁伤后效穿孔面积的快速图像识别与精确计算。包括以下步骤：
S1，将2个相互垂直的标尺放置在活性毁伤元毁伤后的后效靶上，后效靶上爆裂产生的穿孔位于两个标尺的量程范围内；对后效靶进行成像。
S2，识别标尺，确定待测图像的像素比例尺：
由于标尺上的整十刻度均为红色字体，可据此对待测图像中的标尺刻度进行识别，进而获取该标尺方向的像素比例尺。
S21，首先，对待测图像中标尺的红色刻度进行识别。
本实施例中，将原本为RGB空间的待测图像转到HSV空间，在HSV空间利用掩膜提取红色区域。利用OpenCV中轮廓提取函数findContours()提取面积大于设定阈值A的红色区域；由于标尺上10、20、30等刻度由多个数字组成，利用轮廓提取红色区域时会将同属于一个刻度的红色区域分割为多个小区域；同时，单独数字的轮廓也可能在提取时被识别为多个小区域，因此，还需要将这个同属于一个刻度的小区域进行合并。可利用刻度间的间距，通过距离判断参数d1对提取的红色区域进行甄别，判断这些红色区域是否属于同一个刻度，若是，则进行区域合并，即将任意两个中心距离小于d1的红色区域进行合并，直到各区域间的距离均大于或等于d1，得到最终的刻度区域；
S22，由于同一标尺上的红色刻度是共线的，因此通过判断刻度区域的中心点是否共线，即可确定刻度区域的标尺归属。本实施例中，选取任意的三个刻度区域，计算任意一个刻度区域的中点到另外两个刻度区域的中点连线的垂直距离，若垂直距离小于设定的阈值d2，则认为该三个刻度区域共线。遍历所有刻度区域，即可得到2个标尺上的刻度区域。若未能找到两组标尺，则向用户发出警告，提示人工处理。
S23，获得所有刻度区域的标尺归属后，利用标尺上的相邻刻度区间的像素长度，比对现实标尺的刻度间距，即可得到该标尺方向的像素比例尺。
本实施例中，利用设定的标尺长度范围[dmin,dmax]，判断标尺上任意三个刻度区间的最长间距是否在[dmin,dmax]范围内，若不在此范围内，则表示该三个刻度区间不相邻；由此，获得该标尺上相邻的刻度区间的像素长度。
S3，提取后效靶上活性毁伤元造成的穿孔的轮廓。
S30，活性破片穿孔面积都在标尺测量范围内，裁剪标尺量程范围内的图像作为工作区域，去除非工作区域图像带来的不必要影响及操作。
S31，对裁剪的工作区域进行平滑滤波法处理，去掉所有可能影响图像中轮廓识别的噪声。工作区域分为穿孔子区域和靶板子区域；在工作区域设定一条基准线对比RGB三种分量的分布情况，找到穿孔子区域与靶板子区域差别最大的分量值，通过放大差别最大参量增大分量差距，缩小其他两种参量减小其他分量影响，然后通过灰度变换使得原图像的颜色分量R＝G＝B，经过变换后的穿孔部分灰度值趋于黑色，靶板部分灰度值趋于白色；
S32，对工作区域亮度阈值的取值直接决定了穿孔轮廓识别和面积计算的准确性。为进一步扩大穿孔子区域和靶板子区域的差别，对灰度图进行二值分割。二值分割的具体方法为：调节灰度图的亮度阈值，通过对比不同亮度阈值下的穿孔子区域与靶板子区域的灰度分布直方图，找到穿孔子区域最完整清晰地在图像上显现出来时对应的亮度阈值，以该亮度阈值为分割阈值，对灰度图进行分割处理，得到理想的二值化图像。
S33，识别二值化图像中的轮廓，并剔除非活性毁伤元爆裂毁伤造成的穿孔的轮廓。
调用OpenCV类库下的findContours()识别二值化图像中的轮廓。在对二值化图像进行轮廓识别的过程中，由于客观原因，图像中的穿孔部分内部有很多噪点存在，这些噪点会被识别成许多细小的轮廓；同时，一些噪点连在一起的不规则轮廓，以及人工标记的线条也会被识别成狭长的线条型轮廓，这些会导致识别的不准确。观察发现，活性毁伤元爆裂毁伤造成的穿孔，虽然其轮廓不规则，但其大多是类圆形，且其面积远大于噪点，因此，本发明通过预先设定轮廓周长阈值CN和轮廓圆度阈值CS，来过滤这些噪点和狭长的线条型轮廓。
具体的，对所有识别到的轮廓边界上的像素点数量进行判断，小于CN的轮廓即是噪点；当几个噪点轮廓连在一起或图像中有狭长的线条型轮廓时，通过判断其面积周长比来分析该轮廓的圆度，小于CS的轮廓即是不规则轮廓，对于这些轮廓，还需进一步判断是否为狭长型线条。因此需要使用狭长轮廓判断参数dL，筛选除去狭长线条。使用findContours()方法寻找此点周围小范围区域内同属这一轮廓的所有其他轮廓点，判断是否有与此点序号之差大于参数dL的轮廓点存在，序号差距过大则说明此轮廓为狭长孔，不能作为识别到的穿孔轮廓。
S4、除去以上干扰因素后，可以绘制出剩余的穿孔轮廓，利用contourArea()方法分别计算穿孔轮廓内部的像素点数N，结合S2确定的像素比例尺，即可求出穿孔面积并输出结果图像。
最后对于标尺数量不为2，穿孔数量过多或穿孔轮廓与图像边缘相接等问题发出警告，可通过人工处理进一步确定轮廓识别的准确性。
实施例1
对图像中标尺的红色刻度进行识别，将待测图像从RGB空间转成HSV空间，由于HSV空间颜色由色温决定，在HSV空间中建立掩膜以屏蔽红色区域，如图2所示，通过findContours()提取面积大于阈值A的红色区域，，借由距离判断参数d1判别识别的红色区域能否合并，对任意两个中心距离小于d1的小区域进行合并，直至红色区域的间隔均大于或等于d1，合并后的红色区域即为刻度区域。
如图3所示，从若干个红色区域中任选三个区域，通过公式(1)判断区域是否共线，若三个区域中心点中，其中任意一点到其他两点连线的垂直距离小于共线误差d2即可得出三点共线的结论，然后通过标尺误差参数dmin与dmax判断所有共线三点连线的距离是否处于这两个参数之间，则可被确认为是一组相邻的刻度区域，分别找到两组标尺的相邻刻度区域，并根据其对应的实际长度即可计算求出像素比例尺。若未能找到两组标尺则向用户发出警告，提示需人工处理。
然后，在图像中工作区域建立一条基准线对比RGB三种分量沿基准线的分布，如图4所示，可知B分量上穿孔与靶板的差别更大，设定b参量为1.2，r、g参量定为-0.2以放大B分量增强分量差距体现区别性，缩小R、G分量减小分量影响，避免干扰。然后通过灰度变换使得图像工作区域内的所有像素点的颜色分量R＝G＝B(公式(2))。灰度图中，穿孔部分灰度值趋于黑色，而靶板部分趋于白色。
经过灰度变换后的图像像素点除亮度外无其余差别，调整灰度图的亮度，进一步扩大穿孔部分与靶板部分的差异，以穿孔部分最完整且清晰地显现时的亮度为分割阈值，对灰度图进行二值分割，二值分割公式见公式(3)，其中f(x,y)为灰度变换图像，g(x,y)为二值化图像，B为分割阈值，分割阈值直接决定了穿孔面积识别与计算的准确性，如图5所示，待测图像的灰度分布直方图中穿孔与靶板部分的亮度为两个波峰处且有明显区别，但穿孔部分与靶板交界的轮廓部分较为模糊，根据图6可以看出随着B逐渐增大，穿孔内部的噪点也越来越少，但轮廓部分面积越来越大，逐渐失去了识别准确性，当B为80的时候，穿孔趋于轮廓较为完整清晰，内部噪点也不连成片状，各自独立，因此B取80时可以得到理想的状态，得到二值化图像。
通过OpenCV类库下的findContours()方法识别穿孔轮廓部分后，如图7所示，通过对轮廓边界上的像素点数量判断，其大于轮廓周长参数CN时，可筛选掉轮廓内部尺寸较小的噪点；几个噪点轮廓连在一起时，通过判断其面积周长比是否大于轮廓圆度参数CS来分析该轮廓的圆度，从而筛选掉形状不规则的小轮廓；从图6中可以看出图像中还有标记的线条与可能存在的被微小破片细微切向作用到的小轮廓，它们共同组成了狭长型轮廓，会影响穿孔轮廓识别与面积的计算，因而需要借由狭长轮廓判断参数dL，筛选除去狭长轮廓，使用findContours()方法寻找此点周围小区域内同属这一轮廓的所有其他轮廓点，判断是否有与此点序号之差大于参数dL的轮廓点存在，序号差距过大则证明此轮廓为狭长孔，不计入识别的穿孔轮廓之中。
绘制出穿孔轮廓后，通过contourArea()方法分别计算穿孔轮廓内部的像素点数量，计算穿孔轮廓内部的像素点数N，然后基于由标尺识别确定的像素比例尺，由公式(4)即可得出穿孔面积并输出结果图像，公式(4)中，S为求得的穿孔面积，N为穿孔轮廓内部的像素点数量，L为识别的标尺像素长度，200为识别的标尺对应的实际长度，单位为mm。
S＝N/(L/200)2 (4)
最后对于标尺数量不为2，穿孔数量过多或弹孔轮廓与图像边缘相接等问题发出警告，可通过人工处理进一步确定轮廓识别的准确性。靶板图像处理的过程如图8所示。
实施例1中所用预设参数见表1。
表1预设参数值
d1 d2 Dmin Dmax CN CS dL
70 30 1600 2000 50 10 200
为验证此方法的准确性，另选五组不同的图像进行测量实验，如表2所示。首先通过绘图工具找到标尺上整十刻度的坐标，计算得出标尺的像素长度。然后为靶板着色，将弹孔以外的部分全部绘制为白色，并通过Matlab软件计算弹孔区域的像素点数量，根据标尺进行比例换算，得到的结果可近似视为实际面积。结果表明，本发明计算得到的靶板穿孔面积与实际结果的相对误差在3％以内，能够达到工程应用的精度要求。
表2本发明计算结果与实际结果对比
综上所述，以上仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种活性毁伤元爆裂毁伤快速精确图像识别方法，其特征在于，包括：
S1，将两个相互垂直的标尺放置在活性毁伤元毁伤后的后效靶上，爆裂产生的穿孔位于两个标尺的量程范围内，对后效靶进行成像；
S2，利用标尺刻度的颜色，对标尺进行识别，获得成像图片的像素比例尺；
S3，以成像图片中标尺量程范围内的区域作为工作区域，进行轮廓识别，并剔除轮廓内部的噪点以及狭长轮廓，获得穿孔轮廓；
S4，由穿孔轮廓内像素点数和S2确定的像素比例尺，获得穿孔面积。
2.如权利要求1所述的活性毁伤元爆裂毁伤快速精确图像识别方法，其特征在于，所述S2具体包括：
S21，将S1获得的成像图片转到HSV空间，利用标尺刻度对应颜色的掩膜提取刻度所在区域，并利用设定的距离阈值对提取的区域进行合并，获得刻度区域；
S22，对所有刻度区域进行共线判断，获得两组标尺；
S23，针对各标尺，根据该标尺上相邻刻度区域间的像素长度与实际的标尺刻度间距，获得该标尺方向的像素比例尺。
3.如权利要求2所述的活性毁伤元爆裂毁伤快速精确图像识别方法，其特征在于，所述S21中，首先对提取的区域进行面积判断，剔除面积小于或等于设定面积阈值的区域后，再进行合并。
4.如权利要求3所述的活性毁伤元爆裂毁伤快速精确图像识别方法，其特征在于，利用OpenCV中轮廓提取函数findContours()直接提取面积大于设定面积阈值的区域。
5.如权利要求2～4任一所述的活性毁伤元爆裂毁伤快速精确图像识别方法，其特征在于，所述S22中，选取任意三个刻度区域，计算其中任意一个刻度区域的中心点到另外两个刻度区域中心点连线的垂直距离，若垂直距离小于设定的共线误差阈值d2，则认为该三个刻度区域共线；遍历所有刻度区域，得到各刻度区域的标尺归属。
6.如权利要求5所述的活性毁伤元爆裂毁伤快速精确图像识别方法，其特征在于，所述S23中，提取同一标尺上的任意三个刻度区域，计算该三个刻度区域的最长间距，判断所述最长间距是否在设定的标尺长度范围[dmin,dmax]内，若是，则该三个刻度区域为相邻的刻度区域，利用相邻的刻度区域间的像素长度和现实标尺刻度间实际长度，确定该标尺方向的像素比例尺。
7.如权利要求1所述的活性毁伤元爆裂毁伤快速精确图像识别方法，其特征在于，所述S3具体包括：
S31，提取工作区域的RGB分量，找到工作区域中穿孔子区域与靶板子区域差别最大的分量，并放大所述差别最大的分量，减小其他两个分量；转化为灰度图；
S32，调整所述灰度图的亮度阈值，以穿孔轮廓最完整清晰时的亮度阈值为划分阈值，对所述灰度图进行二值分割，得到二值化图像；
S33，对二值化图像进行轮廓识别，并剔除轮廓内部的噪点以及狭长轮廓，获得穿孔轮廓。
8.如权利要求1或7所述的活性毁伤元爆裂毁伤快速精确图像识别方法，其特征在于，所述S3中，对所有识别到的轮廓边界上的像素点数量进行判断，小于设定的轮廓周长阈值则认为是噪点，予以剔除；
计算识别到的轮廓的面积周长比，若小于设定的轮廓圆度阈值CS，则进一步判断是否是狭长轮廓，若是，则予以剔除。
9.如权利要求8所述的活性毁伤元爆裂毁伤快速精确图像识别方法，其特征在于，狭长轮廓的判断方法如下：
针对识别到的轮廓A，以轮廓A上任一轮廓点a为起点，利用函数findContours()寻找同属于轮廓A的其他轮廓点，判断是否存在与轮廓点a序号之差大于参数dL的轮廓点存在，若存在则认为轮廓A为狭长轮廓。
10.如权利要求7所述的活性毁伤元爆裂毁伤快速精确图像识别方法，其特征在于，所述S3还包括S30：
S30，对工作区域进行平滑滤波处理，去除图像噪声。
CN202210400077.2A 2022-04-15 2022-04-15 一种活性毁伤元爆裂毁伤快速精确图像识别方法 Active CN114882354B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210400077.2A CN114882354B (zh) 2022-04-15 2022-04-15 一种活性毁伤元爆裂毁伤快速精确图像识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210400077.2A CN114882354B (zh) 2022-04-15 2022-04-15 一种活性毁伤元爆裂毁伤快速精确图像识别方法

Publications (2)

Publication Number Publication Date
CN114882354A CN114882354A (zh) 2022-08-09
CN114882354B true CN114882354B (zh) 2024-05-31

Family

ID=82669307

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210400077.2A Active CN114882354B (zh) 2022-04-15 2022-04-15 一种活性毁伤元爆裂毁伤快速精确图像识别方法

Country Status (1)

Country Link
CN (1) CN114882354B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115984590B (zh) * 2022-12-27 2023-07-14 中船奥蓝托无锡软件技术有限公司 基于图像识别的目标易损性评估方法、装置及电子设备

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110095410A (zh) * 2019-05-07 2019-08-06 西北核技术研究所 靶板穿孔毁伤特征测量方法、系统及弹道偏转测量方法
CN112214896A (zh) * 2020-10-14 2021-01-12 贵州理工学院 一种活性破片战斗部毁伤威力场的获取方法
RU2756991C1 (ru) * 2020-10-05 2021-10-08 Федеральное государственное унитарное предприятие "Центральный научно-исследовательский институт химии и механики" (ФГУП "ЦНИИХМ") Способ автоматизированной сравнительной оценки дистанционных боеприпасов по поражающему действию

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110095410A (zh) * 2019-05-07 2019-08-06 西北核技术研究所 靶板穿孔毁伤特征测量方法、系统及弹道偏转测量方法
RU2756991C1 (ru) * 2020-10-05 2021-10-08 Федеральное государственное унитарное предприятие "Центральный научно-исследовательский институт химии и механики" (ФГУП "ЦНИИХМ") Способ автоматизированной сравнительной оценки дистанционных боеприпасов по поражающему действию
CN112214896A (zh) * 2020-10-14 2021-01-12 贵州理工学院 一种活性破片战斗部毁伤威力场的获取方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
某型活性破片毁伤后效试验研究与分析;罗振华等;科学技术与工程;20141118;第14卷(第32期);全文 *
高密度活性破片碰撞双层靶毁伤效应;肖艳文等;科技导报;20170528;第35卷(第10期);全文 *

Also Published As

Publication number Publication date
CN114882354A (zh) 2022-08-09

Similar Documents

Publication Publication Date Title
CN104123542B (zh) 一种轮毂工件定位的装置及其方法
CN105067638B (zh) 基于机器视觉的轮胎胎膜表面字符缺陷检测方法
CN114882354B (zh) 一种活性毁伤元爆裂毁伤快速精确图像识别方法
CN107153848A (zh) 基于OpenCV的仪表图像自动识别方法
EP1422661B1 (en) Method and device for the analysis of array images
GB2395263A (en) Image analysis
CN112330663B (zh) 一种基于变径圆的计算机视觉烟丝宽度检测方法
CN116958572B (zh) 一种果树繁育中叶片病虫害区域分析方法
CN103942816A (zh) 一种基于图像处理的木材单板节子数量和大小的识别方法
WO2021248599A1 (zh) 一种类型异常图斑自动识别方法及系统
JP5297886B2 (ja) 細胞画像解析装置
CN111062912B (zh) 一种轮胎断面关键目标的特征提取与检测定位方法
CN110298816B (zh) 一种基于图像重生成的桥梁裂缝检测方法
CN114152211B (zh) 一种基于显微图像处理的压裂支撑剂圆度测量方法
CN108846839B (zh) 一种基于扇形邻域差异直方图的匣钵裂纹检测方法
JP4747031B2 (ja) 画像解析処理のパラメータ値の検出方法、及び画像処理のパラメータ値の検出プログラム、並びにそれらによって検出されたパラメータ値を用いた計数対象物の計数方法
CN116152220A (zh) 一种基于机器视觉的种子计数和尺寸测量方法
CN113838123B (zh) 基于图像处理的烟丝形貌特征的测量方法
Sakarya et al. Automated region segmentation on cartridge case base
CN112036410B (zh) 基于深度学习和图像梯度的电力设备红外图像分割方法
CN113780263A (zh) 一种压力报警器仪表定位和识别读数方法及装置
CN110675402A (zh) 一种基于内窥镜图像的结直肠息肉分割方法
CN112802043B (zh) 一种基于形状参数的压裂支撑剂球度测量方法
CN115907569B (zh) 一种基于物联网的塑胶产品安全监测方法及系统
Saputra et al. Gray-Level Co-Occurrence Matrix and Geometric Shape for Classification of Rubber Tree Maturity

Legal Events

Date Code Title Description
PB01 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