（电子科学与技术专业论文）基于图像的激光命中率测量技术研究.pdf

a b s t r a c t i nt l l i sp 印e r ，t h em e t l l o d sa n dt e c h i l i q u e so fu s i n g l el a s e rs p o tt a r g e tp l a t ei m a g e st o m e 踟r et l l e1 a s e r1 1 i tp r o b a b i l i t ) ，a r er e s e a r c h e d t h ei m a g ea l g o r i t l l r n st h a ta r ei d e n t i 矽i n g a n dl o c a t i l l gm ec e n t e ro ft a 唱e tp l a t ea n di d e n t i 黟i n ga n de x 仃a c t i n go f 也el a s e rs p o ta r e r e s e a r c h e d i tp r o v i d e sar e l i a b l e 也e o r e t i c 引b a s i sa 1 1 de x p 击m e n t a ld a t ar e s u l t sf o rm e m e a s u r e m e n t so fl a s e rl l i tp r o b a b i l i 母 c o n s i d e r i n gm ec h a r a c t e r i s t i c so fm et e s ti m a g e ，m et a r g e tp l a t ec e n t e rc r o s si s i d e n t i f i e da i l dl o c a t e d b yn o r i l l a l i z e dc r o s s - c o r r e l a t i o n ( n c c ) t e m p l a t em a t c l l i n ga l g o r i t l l i l l i nt h ea n a l y s i so ft h et a l 驾e tp l a t e w h e nt a l k i n ga b o u tt 1 1 e1 a s e rs p o ti d e n t m c a t i o n ，t h ei m a g e s e g m e n t a t i o na j g o r i t l l m sh a v eb e e nr e s e a r c h e di nd e p t h t h e r ea r et 、om e t h o d sa _ b o u t i d e m 遗a i l de x 仃a c t i o nt 1 1 el a s e rs p o t ，n 锄e l yi n t e r a c t i v et l l r 。e s h o l ds e g m e 删i o nm e t h o da i l d s e l f 二a d a p t i v em r e s h o l ds e 舯e n t a t i o nm e t h o d h o 、v e v e r ，b o t t lm e 血o d so ft r e a t m e n te a e c ta r e n o ti d e 2 l 1 t h r o u 曲c o m p a r i n gm ev 撕o u sa l g o r i t s ，o t s ul o c a lr e c u r s i v e s e g m e n t a t i o n a l g o r i m mh a sb e e nc h o s et oi d e n t i 匆a i l ds e g m e n tt l l el a s e rs p o ti 嫩g e ，a i l d 仃e a n n e n tr e s u l t s a r em o r es a t i s f i a c t o 珥 t h el a s e r1 1 i tp f o b a b i l i t ) ，m e a s u r e m e n ts o f h a r eh a sb e e nc o m p i l e d ，w 1 1 i c hi sb a s e do n m ed e v e l o p m e n tt o o lo f s u a lc + + 6 0 l a 玛em n b e ro fe x p e r i m e n t 础d a t ap r o c e s s i n g r e s u l t ss h o wt l l a ti m a g ea l g o r i t l l m su s e di nn l i sp a p e ra r es u i t a 【b l ef o rt 1 1 el a s e rl l i tp r o b a b i l i 够 m e a s u 】血gt e s t k e yw o r d s ： l a s e rs p o th i t p m b a b i l i 每i m a g ep m c e s s i n g n o r m a l i z e dc r o s s c o r r e l a t i o ( n c c )i m a g es e g m e n t a t i o n 1 1 研究背景及意义 第一章绪论 激光技术发展于上世纪中期，激光有着方向性好、单色波长、能量密度高、光束 平行和抗干扰强等优点，因此自第一台激光器诞生以来，就备受各国注目，并一直想 着将激光技术应用于军事中。随着现代科学技术的快速发展，激光已经开始进入到人 类的生活领域，并在军事领域也有着广泛应用。目前，在军事领域上主要有5 种激光 应用技术，分别为激光测距技术、激光通信技术、激光制导技术、强激光技术和激光 模拟训练技术等。 激光武器作为一种定向能武器，其具有反应迅速、射击频率高、射程远、抗干扰 强、命中率高和使用范围广等特点，是兵器史上的一个里程碑。近3 0 年来，美国、 英国、俄国等多国正在积极发展激光武器，其中美国最早开始进入该领域研究，投入 最大，并己取得了丰盛的成果，掌握着世界最领先的激光武器技术。美国已经在激光 武器上进行了多次技术论证，并取得了很大的技术突破，如今其基本拥有各种激光武 器的全面研制与发展的能力，现正在对海、陆、空各领域的激光武器进行研发，且其 技术也日趋成熟，有部分研究成果已经投入实战中乜3 l 。 目前，我国激光武器也处于积极的研制过程中，虽然起步较晚，但也己取得了很 大的成果，逐步进入世界领先水平行列，各种激光武器不断的投入使用。然而，利用 图像处理的方法对激光命中率的统计目前研究的尚且不多，这是一块有着广阔前景的 新研究领域。 1 2 国内外研究现状 以往武器性能测试通常是利用大量实弹试验来达到测试效果，但随着近年来科学 的发展，武器设备也在更新换代，而且单件武器有着价格昂贵、制造难度大、试验成 本高等特点，因此以往武器性能的测试方法对现代武器已不再适合。现今有必要探寻 一种新的测量方法，可以将重点放在开发研究新的测试方法，以减少弹药使用量，降 低测试成本。 普通武器命中率测量通常采用大量的实弹试验，将实验结果数据作为样本数据， 然后利用数理统计学对其进行样本分析，最终获得命中率试验结果。统计学就是通过 给定的样本数据来推测总体样本的特性，当前通常利用数理统计中的b a y e s 方法、序 贯分析法等统计学方法来统计试验命中率结果。试验中利用命中率序贯分析法可以尽 可能地减少试验次数，其方法是在试验检测中先不确定样本次数，而是在每个试验样 本结束后，再给出一个判断。现今，b a y e s 方法正在快速发展中，曾有英国统计学家对 该方法给出了很高的评价，同时，b a y e s 方法在我国众多领域也得到应用。在统计命中 率中使用b a y e s 统计方法可以在较小样本数的情况下，能够充分利用以往数据来减少 试验样本容量h 3 ，这意味着可以减少弹药的消耗量。 目前，在部队射击中，人们已经研究出利用图像处理技术实现自动报靶的系统来 取代传统的报靶方式，这不仅减小工作量，提高了报靶效率，减少人力支出，而且保 证射击结果可靠，处理迅速。其具体实现过程原理概述如下：在射击训练过程中，系 统同时利用c c d 相机对普通标准靶板进行实时图像采集，然后，根据图像中靶板的特 点及局部变化，并运用图像分割和识别等算法找出图像中弹孔的位置信息，报出本次 射击所中的环数值。该系统具有可以避免人为主观的影响、结果更客观真实、操作简 单、精度高等特点瞄1 。 但至今仍很少有利用图像处理技术对武器命中率测量试验进行数据统计处理的。 由于激光武器与其他传统武器存在着较大的差异，激光武器发射出激光经过远距离照 射在靶板上会形成一个激光光斑，通过c c d 相机同步采集靶板和激光光斑图像，就可 以通过图像处理算法判别激光是否打中靶板和计算偏离靶心的距离，同时统计出激光 武器的命中率及命中精度等性能指标，这也就是本论文需要深入研究的课题，因此， 基于图像处理技术的方法测量激光武器命中率是一项很有实际意义和前景的研究。 1 3 论文主要内容 文中将激光器在跟踪移动靶板过程中，把对靶板进行激光照射的过程称之为激光 投射。在激光投射移动靶板的同时，通过跟踪转台上的c c d 相机对移动靶板进行跟踪 和图像采集，并将采集所得图像保存为8 位的b m p 位图，最后利用命中率测量软件对 采集到的图像数据进行计算分析，从而统计出各组试验的激光命中率情况。本论文开 展了对整个试验系统的介绍、靶板中心识别算法的研究和激光光斑识别提取及光斑能 量中心计算算法的研究。 本文主要内容如下： 第一章阐述本文的研究背景、国内外现状和总体框架内容； 第二章阐述基于图像的激光命中率测量系统设计、测量原理以及测量试验设备， 同时阐述了软件结构的设计过程； 第三章阐述利用归一化互相关叫c c ) 模板匹配算法对靶板图像进行中心识别，同时 计算靶板中心的位置，并根据靶板中心位置信息来判定靶板在图像中的完整性； 第四章阐述激光光斑图像预处理过程，并对背景差分法和图像分割法进行了比较 分析和总结；研究了交互式阈值分割、白适应阈值分割和o t s u 局部递归分割等算法， 并对其分割结果进行比较分析，最终选择出适合本论文的光斑分割提取算法。最后利 用光斑质心算法对提取结果的光斑求取其能量重心位置。 第五章阐述激光命中率测量试验环境和软件流程图，利用s 砌c + + 6 0 进行图像 算法编程实现，并介绍了命中率测量软件的界面和功能；然后，利用测量软件对命中 率测量参数进行计算，统计当前试验组中激光命中率情况；同时对试验中因靶板运动 到不同位置所造成的靶板图像畸变而产生的误差进行分析和校正； 第六章对本文的工作内容进行归纳总结，并提出需要进行下一步研究的问题和对 后续工作的展望。 第二章激光命中率测量系统设计 2 1 测量系统设计 激光命中率测量系统主要由激光发射端、图像采集端、移动靶板和试验数据处理 端四大部分组成。激光发射端主要由激光器组成，负责激光发射，同时记录激光发射 脉冲总数和激光脉冲发射时刻值；图像采集端主要由图像采集相机和跟踪相机两部分 组成，负责靶板跟踪和试验图像数据的采集，具体工作过程是通过跟踪相机对移动靶 板的跟踪来控制转台转动，调整转台方位角使得c c d 相机能实时准确地对靶板和光斑 图像数据进行采集；试验数据处理端主要由p c 机、命中率测量软件和其它接收端三部 分组成，负责对试验中c c d 相机采集到的图像数据进行存储，并对此数据做最后的处 理计算和误差分析。其中激光命中率测量系统总体简易框图如2 1 图所示： 2 1 1 测量原理 图2 1 激光命中率测量系统总体简易框图 跟踪转台是成像系统的载体，可以通过上下左右转动来调整成像系统的方位角度。 成像系统中包含有两台相机，分别为跟踪相机和可见光相机。转台上的成像系统可以 随着转台的转动而转动，同时，也可以利用单杆操纵器通过电视跟踪进行手动控制转 台的转动，或利用单杆操纵器选取图像中目标物体特征进行电视自动跟踪，跟踪相机 可根据目标物体的不同位置控制转台的转动方位角大小。由于成像系统中的两台相机 具有互相平行光轴，所以当跟踪相机对目标物体进行识别跟踪时，同时可见光相机也 能对同一目标物体进行图像采集。 激光器放置在距直线导轨3 k m 处，对移动靶板发射激光，同时激光散射计数器记 录下激光发射脉冲的总数及每个激光脉冲的发射时刻值，并利用该时刻值对c c d 相机 进行实时外触发，使其能够与激光器发射激光同步，采集到每个光斑图像，从而保证 了相机采集到的光斑图像总帧数与激光发射脉冲总数一致。 4 距直线导轨l k m 处放置有跟踪转台，当移动靶板开始在直线导轨上移动时，通过 转台的跟踪相机对靶板中心十字进行跟踪，同时跟踪相机控制着转台的转动，使移动 靶板一直处于跟踪相机视场中心。当移动靶板进入指定的测量区域，激光器开始发射 激光，并对图像采集相机发送外触发信号，当c c d 相机接收到外触发信号后，开始对 靶板和光斑进行图像采集，直至激光器停止发射激光。试验结束后，利用命中率测量 软件对试验中采集到的图像数据进行处理，最后统计出该次试验命中率结果。 本论文主要开展对命中率图像的算法研究及对算法的编程实现，其具体设计原理 是：对试验中采集的靶板激光光斑图像，运用数字图像处理技术，进行靶板中心识别 定位和激光光斑识别提取及质心计算，由靶板中心坐标和激光光斑质心坐标来推算两 者之间的偏移量，并利用此偏移量与预先设置的偏移量门限值相比较，若偏移量低于 门限值，则说明激光命中靶板；反之，说明激光没有命中靶板即脱靶。最后，本文依 据上述命中率计算原理处理试验结果数据，计算出激光命中率。 c c d 图像采集相机具有软件内部触发和外部触发两种方式，当没有发射激光时可 以使用内部触发方式采集靶板图像；但当激光器发射激光后，若需要同步采集靶板和 激光光斑图像时，则必须改用外部触发方式。因此，试验中的c c d 相机既可以采集无 光斑靶板图像，也可以同步采集含光斑靶板图像，有效避免了丢帧现象。 2 1 2 试验设备 命中率测量系统一些设备参数如下所述： 1 ) 供电方式：市电或发电机； 2 ) 电源：交流2 2 0 v 1 0 ，5 0 h z 5 ； 3 ) 探测波长：0 5 3 岫； 4 ) 激光发射的频率：5 h z ； 5 ) 探测距离：1 k m 5 k m ； c c d 相机图像采集系统 1 ) 可见光相机参数： 相机视场：5 5 。； 相机焦距：2 0 0m m ； 相机像素：1 0 0 4 1 0 0 4 ； 灰度等级：8 ； 像素响应一致性：5 ； 像素响应线性度：8 ； 激光命中率测量系统总体布局如图2 2 所示。测试激光器发射波长为0 5 3 岬，命 中率测量使用的移动靶板是通过靶板以3 0 k 汕的速度在直线导轨上移动的方式来实现 的；在与直线导轨垂直距离为1 k m 处放置图像采集系统，当命中率测量试验开始后， e 跟踪转台上的跟踪相机对移动靶板进行实时跟踪，同时图像采集相机对靶板和光斑图 像进行数据采集，然后通过总控制端对图像数据进行处理，统计出命中率结果。 2 2 软件结构设计 l l l 皿i、 i i 图2 2 激光命中率测量系统总体布局示意图 命中率测量软件主要用于统计试验中激光照射靶板的命中率及偏移量等信息，其 主要由试验数据处理模块和结果误差分析模块组成，分别对应靶板及光斑识别分析和 试验结果误差修正两大功能。 试验数据处理模块主要实现对靶板十字识别判定，同时计算靶板中心位置信息， 并判定靶板是否处于相机视场中：然后，该模块对激光光斑进行识别和分割提取，并 计算光斑能量重心位置信息；计算光斑中心相对于靶板中心的偏移量、统计命中率， 并绘制偏移量变化曲线，将计算结果在软件界面上实时显示，同时根据偏移量大小判 断靶板是否处于相机视场中和激光光斑中靶状况，并在软件界面上实时显示两者状态。 试验数据处理模块界面设计大概分为功能菜单、图像显示区、功能操作区、数据实时 显示区和偏移量曲线显示区五部分组成。为了避免由外界因素干扰造成的图像识别时 产生识别错误或未识别现象，因此，在软件设计中加入了“手动”、“半自动”、“自动” 三种数据处理模式。使用“半自动”处理模式是用鼠标人为在图像上点击选取靶心， 软件自动识别光斑质心；而“手动”处理模式是用鼠标人为在图像上分别点击选取靶 6 tlll厂if|上 板中心和光斑质心；“自动”处理模式是软件自动识别靶板中心与光斑质心，适合序列 图像数据处理。 试验数据处理模块是命中率测量软件的核心部分，其中核心处理算法包括靶板中 心识别和光斑识别提取两部分。其中靶板中心识别定位主要涉及到模板匹配算法的选 择；而光斑识别和中心计算主要涉及图像预处理、图像阈值分割和光斑中心计算算法 等。然后，进一步计算靶板中心与光斑中心之间的偏移量，并与设定的命中率阈值进 行比较，判定激光是否命中靶板。 结果误差分析模块主要功能是根据跟踪转台方位角数据文件，通过查询像素修正 表，对命中率统计结果数据文件进行图像畸变像素修正，并将修正后的试验数据结果 以文档形式另外存储，以备以后使用。 具体激光命中率测量软件结构设计框图如图2 3 ： 图2 3 激光命中率测量软件结构设计框图 第三章靶板中心识别算法研究 随着c c d 成像技术和图像处理技术的发展，利用图像处理技术可以更有效、更快 速的对试验数据做出准确的处理，减少人为误差。 在命中率测量试验中将使用中心位置贴有黑十字的靶板，由于试验中使用c c d 相 机的分辨率较高，为了提高数据的处理速度，图像将采用b m 位图的格式存储，并筛 选合适的模板匹配算法对靶板中心进行识别定位，然后根据靶板中心在图像中的位置 坐标来判定靶板在图像中是否完整。靶板中心识别和靶板完整性判定流程如图3 1 ： c c d 图像采集并保 存为b 肝格式文件 归一化互相关 ( n c c ) 算法 靶板中心十字识别 图3 1 靶板中心识别和靶板完整性判定流程 3 1靶板识别与靶心计算 判定靶板在图像中 的完整性 计算机模式识别就是为了解决使用计算机来识别图像和提取出一幅图像中人们所 需要的目标。所谓匹配就是计算机在寻找目标物体时，对不同环境条件下，同一目标 物体采集到的多帧图像进行在空间上对准，或利用已知目标模板在待匹配图像上查找 相似的目标。其所要解决的问题就是研究某一个特定目标物体在图像中的位置，并且 对其进行对象识别。使用模板匹配算法可以找到图像中所感兴趣的目标物体，在此过 程中所使用的模板其实就是原图像中待匹配部分的目标物体图像。 3 1 1 模板匹配基本算法 通常的模板匹配技术就是对待识别的图像使用己知的模板图像并结合某种算法进 行匹配，进而获取图像中是否包含此模板和该模板在图像中的坐标的信息，简而言之， 就是在图像中查找与模板图像最相似的区域图像。例如图3 2 ，在图( b ) 中查找是否包含 模板( a ) ，如果图( b ) 中包含有待查找的模板( a ) ，则其与模板( a ) 的形状和半径均相同，主 要是利用两者间的相关性大小来查找目标信息。 8 n m + 1m 一1 n _ m + l m 一1 子图s “， 模板t 图3 2 模板( a ) 与被搜索图( b ) 图3 3 模板( a ) 与被搜索图( b ) 的数学模型 如果令模板丁在图s 上，从第一个像素开始逐个像素依次搜索比较，其中模板丁所占区 域称之为子图5 - l j ，( j ，) 为与模板左上角相重叠的像素点坐标。由图3 3 可得，j 和 满足如下关系式： 1 j ，一肜+ 1 ( 3 1 ) 如果丁与s l j 图像一致，则丁和s l j 相减后为零，则可以有如下两种方式用来体现 丁与5 t 的相似度，我们用其中之一即可。 或 朋 刃( j ，) = 渺j ( 历，力) 一丁( 历，力) 2 ( 3 2 ) 村1 眦，) = 妻萋p ( 灿) 叫舢) | ( 3 3 ) 如果将式( 3 2 ) 展开，则有 mnmnmn d ( i ，) = 渺。( 聊，刀) 】2 2 ( 聊，? ) 丁( 聊，刀) + 【丁( 朋，刀) 2 ( 3 4 ) 朋；1打=1埘=1”=1 册= l 行= l 在式( 3 4 ) 中，阿( 用，力) 2 为模板丁的总像素平方和，只与模板自身尺寸有关； 、 s 村( 历，门) 2 为子图s u 的总像素平方和，只与( j ，j ) 有关，且随( j ，) 变化而变 村、 化；5 “( 历，门) 丁( 用，力) 为模板丁与子图像s “互相关，只有当丁与5 t “相似度最 大时，取值最大。所以有如下相关函数： 或归一化为 雕= 嬲= 一 5 ， a ( 用，力) 丁( 他门) 月( j ，) = 1 _ 广兰也l f 了一 ( 3 6 ) ( s 坩( 历，力) 2 ) 1 7 2 ( 丁( 脚，力) 2 ) 2 一= 1n = 1正= 1 月= 1 根据施瓦兹不等式可知式( 3 6 ) 中曰( j ，) 的取值范围为 o ，1 ，即0 曰( j ，) 1 ， 并且仅当s 村( 用，力) 厅( 脚，力) 的比值为常数时，月( j ，) 取得极大值为1 。利用内积的形式 改写表达式( 3 6 ) ，其中s ( j ，) 为子图，芒为模板，则有 胞，仆砑蔫 7 ， 当s ( j ，) = 七芒时，其中七是标量，则刀( j ，) = 1 ，否则月( j ，) 图像宽的像素个数，则靶板右 边界出视场；若靶板中心脞标 图像高的像素个数，则靶板 下边界出视场；若靶板中心脞标 塑堑堕丝孽丝盟，则靶板上边界出 1 4 视 场；若 靶舯心脞标 塑塑竽 ， 且 靶胂心脞标 图像宽的像素个数 ，且 靶醉b 脞标 图像宽的像素个数，且 靶肿心脞标+ 堑塑竽 图像高的像素个数，则靶板右下角 出视场。反之，靶板在图像中是完整的。 3 3 小结 本章详细介绍了靶板中心十字识别算法的选择和靶板的判定分析过程。结合本论 文命中率测量试验采集的图像特点，对图像算法进行了仔细的筛选，最终选用了归一 化互相关算法作为靶板中心识别的模板匹配算法，该算法有着较强抗干扰性能，对光 照强度的线性变化不敏感，而且当图像相对畸变、缩放和旋转差异不大时，都能有着 精准的匹配结果等优点。最后，由试验图像数据处理结果可知，文中所选的靶板图像 识别算法是可行的。 第四章激光光斑识别算法研究 4 1 光斑图像预处理 4 1 1 背景差分法 背景差分法就是利用某一场景的无目标物体的图像作为背景图像，并与同一场景 中含目标物体的其他图像做差分运算，从背景中提取目标物体的算法。对己知背景图 像的图像序列，背景差分是一种分割提取目标的有效方法。该算法实现容易，并对运 动目标能比较完全分割，提供有效的目标信息。虽然如此，但当背景受到干扰而发生 变化时，将会导致目标分割结果存在较大误差“t 1 4 1 。 背景差分算法实质上于图像的减法操作相似，即对两帧图像进行相对应位置上的 像素值相减，数学模型为： 月( j ，) ：尸( j ，) 一占( j ，) ( 4 1 ) 式中尸( j ，) 为包含目标的图像，g ( j ，j ) 为不含目标的背景图像。 对差分结果图像作二值运算，有如下函数： 疗( j ，) = ，( j ，) 一g ( j ，j ) l 厂： 其他； ( 4 2 ) 式中丁是阈值门限，其中图像月( j ，) 中值为1 的区域即是待检测的目标区域n 朝1 1 8 1 。 由于本论文试验条件是c c d 相机在外场距离靶板l k m 处对靶板进行图像采集， 因此图像受到大气湍流、光照等外界因素影响较大，成像质量较差，图像对比度较低。 此外，命中率测试的移动靶板是在直线导轨上运动的，跟踪相机将会对靶板进行跟踪 拍摄，所以相邻图像的背景是变化的。综上所述，如果本试验结果图像利用背景差分 算法来提取光斑图像，将存在着较大的误差，因此该算法不能很好满足命中率测量试 验的设计要求。 4 1 2 图像分割法 在实际研究中，通常将图像中所关注的区域或物体称之目标，其余部分图像为背 景。为了分析和识别目标，必须将感兴趣的目标提取出来，以便对目标作进一步的分 析利用。在此过程中，运用了图像分割法，所谓图像分割指根据图像特性将图像分成 多个区域并提取目标的过程n 9 | 。 阈值分割法是应用最广泛的分割法之一，其对灰度图像的假设是：背景或目标内 的各个相邻的像素值是相近的不存在突变的情况，但不同背景或目标内的像素值存在 较大的差异，这种情况在图像直方图信息上可以得到体现，不同的背景、目标通常对 应着不同的波峰，阈值分割是所选的阈值一般取值于两个波峰之间的波谷处，从而达 到分开两个波峰的效果，即将目标和背景分开他们乜1 | 。 阈值分割具有实现简单的优点，当目标和背景的灰度值相差较大，即当直方图信 息中有两个明显的波峰时，使用该方法对图像分割能取得理想的结果；但当目标和背 景的灰度值相差不大或两者灰度值存在较大的重叠，即直方图中没有明显的双波峰和 波谷时，运用该算法不能分割出较理想的结果。由此可知，该算法不适合目标和背景 之间灰度级存在交集的图像。 阈值分割主要分为阈值选取和目标提取两个步骤。假设原图像，( x ，y ) 取阈值为丁 时，有： 厂厂( 工，少) ，( 石，y ) 丁 g ( x ，y ) = 0 ，仅，y ) 0 ，萋岛“ ( 4 4 ) 式中力i 为像素值j 出现的次数。 2 ) 若阈值为丁，则将图像像素分为两类：目标类g 包含了j ( 4 2 8 ) 对于背景复杂多样的图像，利用简单的o t s u 算法只一次分割是不可能达到完全消 除背景的效果。 因为利用o t s u 局部递归方法每次分割都只保留高灰度级部分的图像，且分割阈值 也在不断增加，将光斑逐步从背景图像中提取出来。该过程不仅提升再次分割的运算 速度，且减少了因背景区域面积与目标区域面积比例大小因素对0 t s u 分割效果所带来 的影响。 如果只是简单设定数值作为该算法的分割次数，这对不同的复杂背景图像，可能 ， 在规定的分割次数中不能将目标很好分割出来，可能出现将背景像素误分割到目标区 域中，或者将目标区域误认为背景区域而舍弃。为了减少误分割比率，可以在o t s u 局 部递归中结合目标的显著性口6 | ，所谓显著性是指某事物的某些量或质的量度，而显著 性特征就是指某事物的最突出特征，且有别与其他事物。由于靶板激光光斑图像中光 斑的灰度级在全图中是最高的，且与背景像素的灰度级差异很大，因此，在o t s u 局部 递归中可以引用灰度显著性特征，尽可能地从图像的全局考虑目标区域的分割。同时， 为了减少误分割率，有必要选取一个合理但又尽可能大的递归次数，使每次在分割 结果中都能很好地将非显著性灰度级分割出去。然后，在图像分割前预留的与图像大 小相同的累加空间中对每次递归分割的结果进行加权，即将与每次分割后保留图像相 对应的累加空间点加上该次数的平方，例如第i 次则加上j 2 ( j = l ，2 ，3 ，+ ) ；最后， 可以选取一个合理的阈值，对显著性图像进行阈值分割，提取所需的目标图像。其实 现流程如图4 2 ： 源图像 设定递归次数 o t s u 算法阂值分割并舍 弃低灰度级像素集 与高灰度级对应的累加ll 将高灰度级图像作为 空间点进行加权下次分割的图像 4 2 4 阈值分割结果分析 薪是否达到递归疾交 y 对显著图像闽值分割 提取目标图像 图4 20 t s u 局部递归分割流程图 1 交互式阈值分割 图4 3 为取不同闽值时交互式图像分割结果比较系列图像，其中图4 3 ( a ) 为试验采 2 4 集的原图像，图4 3 ( b ) 是图4 3 ( a ) 取阈值为1 7 0 时的分割结果，图4 3 ( c ) 是图4 3 ( a ) 取阈 值为1 8 0 时的分割结果，图4 3 ( d ) 是图4 3 ( a ) 取阈值为2 0 0 时的分割结果。由分割结果 图像可见，由于索取阈值的不同造成分割结果的差异，其中当阈值取1 7 0 时，有部分 背景图像被误当作目标图像而保留下来；其中当阈值取1 8 0 时，分割结果图像比较理 想；其中当阈值取2 0 0 时，有部分光斑像素被误当作背景图像而分割舍弃。 ( a ) 阈值分割前原图像 ( b ) 图( a ) 取阈值1 7 0 时分割结果 ( c ) 图( a ) 取阈值1 8 0 时分割结果 ( d ) 图( a ) 取阈值2 0 0 时分割结果 图4 3 取不同阈值时交互式图像分割结果比较系列图像 如图4 4 ( a ) 为因阳光光照较强造成干扰较严重的图像，图4 4 ( b ) 是图4 4 ( a ) 取阈值 为1 8 0 时的分割结果，可知原图像的最佳分割阈值对光照干扰较强的图像不在适用。 ( a ) 光照干扰较强时光斑原图像( b ) 图( a ) 取阈值2 0 0 时分割结果 图4 4 光照干扰对交互式图像分割结果的影响 2 自适应阈值分割 如图4 5 ( a ) 为分割前原图像，图4 5 ( b ) 是图4 5 ( a ) 利用自适应阈值分割中的o t s u 算 法分割的结果，若对图4 5 ( b ) 再做一次o t s u 阈值分割，则图像将一片白色。 ( a ) 阈值分割前原图像( b ) 图( a ) 进行o t s u 分割结果 图4 5 自适应阈值分割中o t s u 阈值分割结果 3 o t s u 局部递归分割 如图4 6 ( a ) 是阈值分割前原图像，图4 6 ( b ) 是图4 6 ( a ) 第一次o t s u 局部递归分割结 果，图4 6 ( c ) 是图4 6 ( a ) 第二次o t s u 局部递归分割结果，图4 6 ( d ) 是图4 6 ( a ) 第三次o t s u 局部递归分割结果。由图4 6 ( d ) 可见，该算法对本论文激光光斑的分割有着较理想的效 果。 ( a ) 图像阈值分割前原图像( b ) 第一次o t s u 局部递归分割结果 ( c ) 第二次o t s u 局部递归分割结果( d ) 第三次0 t s u 局部递归分割结果 图4 6 利用0 t s u 局部递归分割算法的分割结果图像 通过以上各算法的分割结果相比较，可以得出各算法的特性，有利于本文光斑识 别算法的选择。 交互式阈值分割是通过图像直方图信息人为手动选取分割阈值，因此需要经过多 次尝试不同的阈值对图像进行分割，最终选取一个最佳经验阈值，并利用该阈值对序 列中其他图像进行分割提取光斑。但该算法对外界的光照干扰影响较敏感，当阳光在 靶板上的照度较大时，图像的亮度就会发生改变，比阴天时采集到的图像亮度强，且 靶板比较亮，因此靶板的灰度级将会发生改变，减少与光斑灰度级之间的差异，若此 时分割阈值仍然是原来的经验阈值，则在分割中可能将部分背景误当作光斑而保留下 来，从而造成分割结果不理想。 由于0 t s u 算法对直方图信息呈双波峰的图像有着较理想的分割效果，但对直方图 呈多波峰的复杂背景图像的分割效果不佳，因此该算法也不适合本文图像。 o t s u 局部递归分割是通过多次对图像阈值分割，同时舍弃灰度级别较低部分的像 素集，保留灰度级别较高部分像素集，并且分割阈值在逐次递增，直至最终分割出目 标图像。该算法对背景复杂的图像仍然适用，并能取得较佳的分割结果，所以本文将 采用该算法作为光斑识别算法。 4 3 激光光斑中心计算 在激光命中率测量过程中，对激光光斑中心的计算实际上是对激光光斑能量重心 位置的计算。由于降噪滤波器虽然能够降低图像噪声的干扰，但同时使图像细节部分 受到影响，甚至改变图像的原像素值，这对最终计算光斑能量重心位置带来很大误差， 因此在求光斑中心时尽可能的保持光斑原有的像素值，以此减小对光斑中心计算的误 差。 匿囊蘸瓣幕蠢露蕊雪 鞫8 2 。g 麓|孽 ( 4 2 9 ) i ：暮；篓等：去j ：j ：，( 石，y ) 木并出咖 c 4 3 。， 。 rr m ，y ) 出咖 rl 一一 一 。 由于图像数据是由大量的一个一个像素值组成，实际上其数据属于一系列离散数 据，因此激光光斑中心计算函数可以表示为： 2 8 石c yc 一三! 兰：兰! ：兰 一 ，( z ，y ) 一三! 兰：兰! ! 兰 一 ，( x ，y ) ( 4 3 1 ) ( 4 3 2 ) 其中，( x ，j ，) 为沿轴的横截面上( x ，j ，) 点处的光束强度值，坐标( x 。，y 。) 便是激光光 斑的中心，也就是光斑能量分布的重心3 7 m 引。 4 4 小结 本章详细阐述了图像预处理中的背景差分法和阈值分割法的基本实现原理及其适 用性，并针对激光命中率测量试验图像的实际情况对各算法进行分析总结，但由于试 验中采集的图像背景是变化的，因此不能使用背景差分法，只能使用阈值分割算法分 割。文中详细阐述了交互式阈值分割，利用经验阈值，需要反复多次尝试不同阈值， 但当图像的背景发生改变时，需要重新设定阈值；同时由于光斑区域面积比背景区域 面积要小的多，根据传统的o t s u 算法理论，将不能一次图像分割就能较好地提取光斑 目标，从而选用了o t s u 局部递归阈值分割法作为本文提取光斑目标图像的算法，然后 对分割结果的光斑图像进行能量中心计算。经过大量试验数据检验，证明该算法是有 效的。 2 9 5 1试验过程 5 1 1试验环境 第五章试验过程与误差分析 在激光命中率测量试验中，装有相机的转台放置在距离直线导轨1 l ( 1 1 1 处，而激光 器放置在距离导轨2 蛔处，同时需要保证激光器与移动靶板之间无遮挡物存在，且靶 面与轨道不平行度要求不大于6 度。装载有测试靶板的机车在直线导轨上经过一段距 离加速后，以匀速的状态进入测试区，此时跟踪相机开始对靶板进行跟踪，并控制转 台转动，当图像采集相机接收到外触发信号后，开始对靶板和光斑进行图像数据采集。 试验中涉及的设备如下：脉冲式半导体激光器波长为o 5 3 胛，频率为5 0 毖左右； 跟踪转台上的跟踪相机和可见光相机；命中率测试软件运行环境为w i n d o w sx p 系统， 内存为2 g ，c p u 为i n t e lc o r e 2 ，开发环境为s u a lc + + 6 o 。 由于相机在采集图像过程中受到太阳光干扰，则在相机系统中采用窄带滤波片， 可以有效滤除大部分太阳光照成分，最大程度降低光照对试验图像的干扰，另外，还 有一部分残留在图像中的光照干扰，则可以通过图像处理算法去除。若采集到的激光 光斑强度达到相机饱和度时，可以使用衰减片调节光斑强度使其低于相机的饱和度， 使采集到的光斑图像较理想。 5 1 2 命中率测量软件流程图 命中率测量软件是为针对试验图像数据处理而设计的，主要有三项功能，包括： ( a ) 利用归一化互相关模板匹配算法完成对靶板中心的识别定位，计算靶板中心位置坐 标；( b ) 利用o t s u 局部递归分割算法对靶板和光斑图像进行阈值分割，并根据光斑重心 公式，计算激光光斑的能量重心位置坐标；( c ) 计算靶板中心与光斑能量重心之间的偏 移量，统计该组试验中激光命中率结果。 命中率测量处理数据软件具体操作过程如下：首先打开一组待测的序列图像数据 文件，获取该组数据中图像总帧数，作为后续操作循环处理的次数；读取己打开的序 列图像文件中第一帧含激光光斑的靶板图像，首先利用模板匹配算法对靶板中心进行 识别定位，然后利用0 t s u 局部递归分割算法进行图像分割，提取光斑目标图像，然后 计算光斑能量重心位置坐标，并推算出靶板中心与光斑重心之间的偏移量，若当偏移 量大于某一设定门限，则表明激光未击中靶板；反之，激光击中靶板。至此，在一帧 图像数据处理完成后，判断当前帧是否是最后一帧图像，若不是，则继续处理下一帧， 3 0 直至处理完最后一帧图像数据，最后统计该组试验命中率，并将试验数据处理结果以 文档形式保存。命中率测量软件流程图如图5 1 所示： 5 2 程序界面与功能 图5 1 命中率测量软件流程图 结合命中率测量软件流程图，通过编程实现文中上述各种图像算法，并完成各功 能模块的软件编写，根据软件结构设计搭建程序界面，实现命中率测量试验数据处理 的功能。命中率测量软件主要完成如下功能： 1 实现对靶板中心十字进行识别功能，计算其在图像中的坐标值，同时完成对靶 板完整性的判断； 2 实现对在命中率测量试验中采集的图像进行光斑识别，并将光斑从背景中提取 出来，计算激光光斑能量重心位置坐标值； 3 在靶心识别与光斑中心计算中，若出现误判情况，则可以通过手动或半自动操 作对其进行手动逐帧修改； 4 计算靶板中心与光斑中心之间的x 方向偏移量、y 方向偏移量及总偏移量； 5 统计命中率结果，将试验结果数据以文档形式输出，以备后续进一步分析研究； 6 实现对命中率测量试验数据结果进行误差分析和修正功能； 如图5 2 所示为激光命中率统计预处理操作界面，主要实现功能如下：获取图像数 据、制作靶板中心匹配模板、靶板中心识别定位、激光光斑图像分割提取和光斑能量 重心计算。 盒中率统计预处理 厂 厂 b 。j 打爨图像i 卜纛囊囊j 澍非模扳。，l 二蓝i | ；鎏薹鍪鍪：釜i 薹i 薹i 鋈鍪ll 薹| | | 鍪i i 鍪l i 篓鍪i 鋈釜i 翌 厂- 厂 l i i i 鋈奠鎏鉴浏篷ii 耋薹鐾i ：| i i ；_ | 图5 2 命中率统计预处理操作界面 如图5 3 所示为激光命中率统计操作界面，主要实现功能如下：数据处理方式选择、 数据处理过程控制。其中数据处理方式选择包括：手动、半自动和自动三种选择形式； 对于数据处理中误判的图像数据可以选择手动或半自动方式，通过“上一帧”或“下 一帧来进行修正。 手动 命中率统计 黪半自动自动 厂 厂_ 匿塑剑隧銎鏊型 篷褫鬻薹萋篓誊! 薹纛黧翻l 黧i 篓篡。j 瀚瓣潦誊。鏊鬻i 謦 厂 广_ 匿j 粪i 鎏夔i ：| | _ i i i ii；。卜l 鋈i 篓j ：薹耋ii ! 鋈i 图5 3 命中率统计操作界面 如图5 4 所示为命中率试验结果数据误差修正操作界面，主要实现功能如下：读取 图像数据、读取待修正数据文件、读取跟踪转台方位角数据文件、生成修正