何 淼,王 浩,黄 勇,薛 绍

(1.南京理工大学 能源与动力工程学院,江苏 南京 210094;2.南京信息职业技术学院 人工智能学院,江苏 南京 210043)

开展野外爆破试验是检验战斗部设计合理性的必要环节,而对试验所用靶板的毁伤情况进行精确、高效测量,是评判战斗部设计及毁伤效果的直接依据。受野外测量环境和条件制约,使用人工对试验靶板测量既低效又工作量巨大,尤其对非规则破片毁伤孔洞无法人工测量的情况,必须借助其他技术手段实现毁伤区自动测量与评估报靶。

1 技术现状

随着图像处理技术的愈发成熟,本世纪初首先出现基于靶板图像灰度值二值化分割识别弹孔及判定靶环的报靶方法[1-2],其识别成本低且易实现,但受靶板形变与光照不均影响,弹孔边缘识别精度差直接制约其实用性。为解决靶板形变,科研人员提出基于Hough变换靶板形变纠正技术[3],采用小波变换、中值滤波与边缘检测算子等技术克服靶板图像噪点与抗光照问题[4],以及运用神经网络[5]、机器视觉[6-7]及深度学习技术[8],突破了在钢靶、混凝土靶等非纸质靶场景下,因靶板图像带入靶板材质纹理光照对毁伤边缘检测的影响。但上述研究主要识别对象为偏圆孔型有固定毁伤形状的枪弹靶识别,尤其是应用于胸环靶识别较多[9],对破片战斗部面撒型不规则毁伤形状的识别研究较少。

本文以大当量战斗部野外爆破试验中,大型钢制薄靶板的面毁伤穿透区域的识别与测量为研究场景,针对野外大型钢板靶图像形变矫正及光照情景下不规则毁伤孔洞识别与测量问题进行了研究。……