基于激光射击图像的靶位自动识别系统的设计与开发

论文总字数：18390字

目 录

摘要1

Abstract2

1.绪论3

1.1 背景和意义3

1.2 现阶段研究进展3

1.3 开发技术介绍4

2. 拟解决关键问题分析5

2.1整体分析5

2.2 确定环数索引文件6

2.3 靶位校准6

2.4 靶位坐标确定6

3. 主要算法设计7

3.1 生成环数索引文件7

3.2 靶位校准9

3.2.1 手动校准9

3.2.2 自动校准10

3.3 确定靶点坐标和计算环数11

4. 系统界面设计15

4.1 界面设计要求15

4.2 总体功能界面设计16

4.3 靶位校准界面设计16

4.4 靶位识别界面设计17

5. 系统测试19

5.1 功能测试20

5.2 性能测试21

6. 小结25

参考文献26

致谢27

激光射击图像自动识别靶位系统的设计与开发

何茂林

, China

Abstract：At present, many new types of recreational activities are gradually occurring in people's lives, such as laser shooting, so many laser shooting suppliers urgently need a mature and easy automatic target recognition system of laser shooting image to attract consumers. This paper designs and develops and automatic target recognition system of laser shooting image. The system uses the high-definition camera to collect the target images of the laser shooting and saves them in local area. Then, the images are processed by a series of digital image processing algorithms such as image denoising and maximum block recognition to obtain the coordinates of the target. Finally, the system searches the index to obtain the number of ringing. For the system design, the user interface uses the WinForm interface solution; the programming language is C#; the development tool is Visual Studio 2013.

Key words：Laser shooting; Image processing; Automatic recognition; Visual Studio 2013

1. 绪论
   1. 背景和意义

图像处理实际上就是将一幅图像以数字矩阵的形式存储在计算机中，然后用各种算法对这个矩阵进行处理，从而得到预期的效果。图像处理的基础就是数学，处理的实质就是图像矩阵中数字的算术运算。目前，借助计算机技术的迅速发展以及数学中有关矩阵的算法的不断丰富和发展，数字图像处理技术已经被应用在很多方面，如工业生产、生物医学以及计算机技术。其中，图像的模式识别是数字图像处理的一个重要的发展分支，也是图像处理的主要目的。图像的模式识别包括人脸识别、指纹识别以及车牌识别等。通常来说，模式识别的方法通常有三种：句法结构识别法、统计识别法和模糊识别法。

人民生活水平的不断提高促进了很多新产业的萌芽和发展，激光打靶这项娱乐活动就是在这种情况下发展起来的。在这之前，打靶都是用实弹进行射击，但是实弹射击不仅危险系数高，而且成本较高，所以导致打靶这项运动发展不起来。激光打靶就避免了这种问题。激光打靶采用充电式激光射击枪，无需实弹，自然不存在危险性，生产成本也较低。自从激光打靶射击发明之后，这项运动越来越受到人们的欢迎，普及率也越来越高，一些游乐场所计划装配这样的设备以完善娱乐设施，军队也考虑将实弹射击装备更换为激光打靶系统，从而降低高额的开销费用。激光打靶的迅速发展带来了巨大的市场空间，催生了一些企业投身研究，这些企业希望可以通过完善自己的设备与系统来占据更多的市场份额。这样的良性竞争也从侧面推动着该行业的进一步发展。

• 1. 现阶段研究进展

数字图像的自动识别是图像处理领域的最重要的也是被研究最多的课题之一。但是由于图像的自动识别涉及的范围十分广泛，相关课题的研究也十分的复杂，目前该领域所取得的成就还远远没有达到理想的目标，亟待解决的问题越来越多，因而图像的自动识别是研究人员的工作重心。

到目前为止，图像识别的发展可以分为三个阶段:文字识别、数字图像处理与识别以及物体识别。其中数字图像处理与识别的研究开始于1965年，人们对自身事物的认知分析中，依据一定的量度或观测基础，通过对图像的特征进行比较、分析和判断，把待识别的模式划分到各自的模式类中去。因此图像识别也叫模式识别。现如今图像识别渗透于各行各业，是当今最活跃的领域之一。在生物医学工程方面，数字图像识别的应用十分广泛，而且很有成效。如对医用显微图像的处理分析，如红细胞、白细胞分类，染色体分析，癌细胞识别等。此外，在X光肺部图像增强、超声波图像处理、心电图分析、立体定向放射治疗等医学诊断方面都广泛地应用图像处理技术。在道路交通方面，可以利用图像处理技术来自动识别道路上的交通标识^[1]。在军事公安方面的应用，图像处理和识别主要用于导弹的精确末制导，各种侦察照片的判读，具有图像传输、存储和显示的军事自动化指挥系统，飞机、坦克和军舰模拟训练系统等；公安业务图片的判读分析，指纹识别，人脸鉴别，不完整图片的复原，以及交通监控、事故分析等。目前已投入运行的高速公路不停车自动收费系统中的车辆和车牌的自动识别都是图像处理技术成功应用的例子^[2]。 数字图像与模拟图像相比具有存储，传输方便可压缩，传输过程中不易失真，处理方便等巨大优势。这些都为图像识别技术提供了强大的动力。

目前，图像识别的方法主要有三种：统计模式识别、结构模式识别和模糊模式识别。它们的实质就是模式空间到类别空间的映射问题。图像识别的过程中又用到了丰富的图像处理技术。比如图像分割技术。图像分割技术从20世纪70年代开始就有了相应的研究，到现在已经有了几十年的历史。在此过程中，借助于各种理论形成的数以千计的分割方法被应用到图像分割中，并且该领域的研究仍然受到重视，各种各样的新理论新方法层出不穷。另外，图像识别中，图像的边缘检测方法占有很重要的地位。早在1965年就有研究者提出了边缘检测算子。这个理论的提出极大地促进了边缘检测领域的研究，并在发展的过程中产生了不少经典的算法。近几年来，该方向的研究越来越受到重视，也产生的各种各样的理论。比如2012年，一种改进的边缘方向检测方法^[3]被提出，这对于图像识别的发展具有积极的意义。近二十年间，随着基于直方图和小波变换的图像分割方法和研究计算技术的迅速发展，有关图像处理方面的研究也取得了巨大的进展。

图像识别应用于激光打靶是近几年才得到重视和研究的。目前在我们国家的打靶训练中都采用非常传统的方法。实弹射击训练不但浪费弹药,而且危险性高,组织和实施比较繁琐，在管理上也有一定的难度。用激光模拟实弹射击不仅节省了训练的费用提高了训练的效率，而且保证了训练的安全性。另外利用激光可以很好的解决射击成绩报靶问题^[4]。实弹射击报靶需要人工报靶，不仅浪费人力物力，而且报靶的准确性和效率也是一个大问题。研制激光射击训练器有利于提高射击的效率和精度，有利于进一步实现射击训练的数字化、标准化、科技化,有利于节约国防费用提高训练质量^[5]。

• 1. 开发技术介绍

系统开发所用的编程语言是C#（C sharp）语言。这种语言是微软在本世纪初发布的一款全新的语言。C#与java语言十分相似，都是面向对象的编程语言。和java语言一样，C#具有简便的界面设计功能，单一继承原则以及相似的语法。但是，C#是由C语言和C 语言继承而来的，它包含了C语言和C 语言的一些强大的功能，也舍弃了一些较为复杂的内容，这样的设计使得C#语言更加编写更加简单，设计更加灵活。C#在界面设计上具有得天独厚的优势，它借鉴了VB语言的可视化的界面设计特性，而且支持面向组件编程，所以.NET开发首选的编程语言就是C#语言。

系统开发所用的编程软件是Visual Studio 2013。它是微软公司在Builder 2013开发者大会上发布的，并且同时发布的还有其程序组件库.NET 4.5.1的预览版。Visual Studio 2013可以支持C#语言编程，还支持可视化界面设计。 在编程过程中，VS2013增强了提示功能，能在你编码的同时帮你监察错误，并通过多种指示器进行提示。此外，VS2013中还增加了内存诊断功能，对潜在的内存泄露问题进行提示，功能十分强大。正因为这些优点，所以使用了Visual Studio 2013来进行激光打靶系统的设计与开发。

1. 拟解决关键问题分析
   1. 整体分析

整个激光打靶系统所要解决的问题分为两个部分。第一部分是离线靶位校准部分。这部分是打靶的前期工作，也是打靶的前提条件。首先要先计算出标准靶位图像上每一个坐标上所对应的环数，然后将这些环数保存在索引表中生成环数索引文件，当靶位识别得到靶点坐标时，直接在环数索引文件上查找就可以了。其次对靶位进行校准，靶位校准分为自动校准和手动校准两种方式，校准的目的是为了去除打靶图像中复杂的背景环境，这样在后面环数计算时就会更加容易。第二部分是在线环数自动识别。这一部分是整个激光打靶系统的核心部分。进行环数在线识别时先根据校准的数据对靶点图像进行处理，然后在处理后的图像中找出靶点这一感兴趣区域也即靶点，再求出靶点的坐标位置，根据靶点坐标查找环数索引文件就可以得出环数了。如果对这组打靶图像中的一幅图像处理时没有找到靶点，则开始处理下一幅图像，直到获得环数为止。如果这组图像都已经处理完成，仍然没有找到靶点，则判定打靶未能命中靶位，环数判定为0环。图2-1所示为整个系统的流程图。

剩余内容已隐藏，请支付后下载全文，论文总字数：18390字

相关图片展示：