黄应清,陈晓明,谢志宏,田钦文
(陆军装甲兵学院, 北京 100072)
在基于计算机视觉的自动报靶系统中,胸环靶图分割是后续进行弹孔识别与环数判定等步骤的重要基础。如何在复杂环境下对胸环靶纸图像进行快速、精准的分割一直是一个技术难点。现有的自动报靶系统基本都不是建立在以复杂环境为前提的基础上的,少部分考虑了这一问题,但也都有所欠缺。
文献[1]提出了一种基于灰度特征的胸环靶图分割方法,该方法只能对胸环靶靶面占据像素最多的图像进行有效分割,且对靶场环境要求较高,无法适应下雾等对采集到的图像灰度特征影响较大的天气。文献[2]根据靶面图像纹理特征获取胸环靶心位置,从而完成胸环靶图的分割。该方法只能实现胸环靶的粗分割,且极易受到背景干扰影响,实用性较差。文献[3]提出了一种基于颜色特征的胸环靶图分割方法,这种方法在背景无绿色干扰的情况下能够较好的完成胸环靶分割任务,但真实靶场往往存在大量的草木、涂装等绿色干扰物,因此,该方法同样具有较强的局限性。
近年来,随着深度学习技术的兴起,也出现了基于深度神经网络的分割方法。文献[4]提出了一种基于PSPNet的胸环靶图分割方法,较好的完成了复杂环境下胸环靶的像素级分割任务。该方法的不足之处在于仅提取了包含有效靶面和浅色靶纸背景的图像,并没有对靶面有效区域进行分割,导致后续的报靶环节还要根据弹着点位置判断是否脱靶。……