賀擁亮，張 帆

（武警杭州士官學校，杭州 310023）

0 引言

部隊在組織實彈射擊訓練之前，往往要花費大量的時間進行專門的瞄靶訓練。即采取臥姿、蹲姿或立姿等方式，進行據(jù)槍瞄準，以達到掌握瞄準方法的訓練效果。該方法主要具有訓練周期長、訓練效果難以評估的缺點：參訓人員需要長時間保持一種固定的姿勢進行枯燥乏味的瞄靶訓練，掌握動作要領慢；組訓人員需要根據(jù)自身的經驗在瞄準基線上加裝折光鏡，以判斷照門與準星之間的關系，效果評估不準確。

隨著計算機技術和仿真技術的不斷發(fā)展，利用計算機模擬接近于真實的射擊已完全可行。與常規(guī)訓練方法相比，基于圖像處理技術進行模擬射擊訓練具有更直觀、訓練效果評估準確度更高等特點，同時可節(jié)省大量時間、彈藥。而目前開發(fā)的模擬射擊訓練系統(tǒng)［1-3］，重點都放在射擊結果上，忽視了對瞄準過程的記錄，使用人員知其結果而不知何以出現(xiàn)該結果，射擊方法的提高比較緩慢。為提高射擊訓練效果，以某步槍為研究對象，研制了利用Hough變換后灰度矩細分定位法計算的模擬射擊訓練系統(tǒng)。該系統(tǒng)在擊發(fā)瞬間采集瞄準圖像，通過圖像處理，得出覘孔圓中心、準星頂點中心和靶紙中心，利用灰度矩細分定位法檢測各中心之間的距離，根據(jù)射擊原理，運用相似三角形的比例關系，計算得出模擬彈著點的方向和高低偏移量，從而得出模擬射擊的射擊精度。通過該系統(tǒng)，在模擬射擊中，能夠直觀顯示射手瞄準時的方向和高低偏差量是如何產生的，供訓練人員有意識克服瞄準陋習，改進瞄準方法，提高射擊成績。本文主要介紹該系統(tǒng)的射擊精度判定方法。

1 圖像預處理

模擬射擊訓練系統(tǒng)的圖像采集通過加裝在扳機上的開關觸發(fā)，采集擊發(fā)瞬間的瞄準圖像，其瞄準的是特制的胸環(huán)靶紙（四周描邊，增加與環(huán)境對比度），得到圖像后對圖像進行預處理。排除噪聲與干擾信息，并提取邊緣集，為下一步Hough變換做好準備［4］。

1.1 采集圖像的二值化

Hough變換所處理對象必須是二值圖像，所以在進行Hough變換之前，還需對采集的圖像進行二值化處理［5］。雖然二值化處理會使得圖像像素有一定損失，但會讓圖像變得簡單，且能凸顯感興趣的目標的輪廓，減小數(shù)據(jù)量，方便進一步地邊緣檢測。本文采用最大方差法［5］對灰度圖像進行二值化，該方法是在判別最小二乘原理的基礎上推導出來的，效果好且運算時間少，符合模擬射擊訓練系統(tǒng)的要求。圖1是對灰度化圖像進行二值化的結果。

1.2 邊緣檢測

為達到較好的邊緣檢測性能，圖像邊緣檢測選擇 Canny算子［6-8］。

Canny算子的具體實現(xiàn)步驟：1）計算源圖像f（x，y）與二維高斯函數(shù)G（x，y），進行卷積，降低噪聲，得平滑圖像；2）遍歷圖像，計算梯度幅值與方向：；3）對梯度幅值進行“非極大值抑制”，得出邊緣強度，以此判斷邊緣點；4）利用雙域值化處理，剔除假邊緣后，開始邊緣連接，得到精確邊緣。如圖2所示。

2 Hough變換提取覘孔圓、靶紙矩形和準星矩形

對覘孔、準星和靶紙邊緣的提取需要較高的檢測精度，同時也應具有很好的魯棒性和容錯性［9］，故采用Hough變換提取。

覘孔式照門的瞄準方法是首先將覘孔對準目標，確保覘孔中心與目標中心一致，然后將準星中心放至兩者中心，從而達到精準命中目標的戰(zhàn)術目的。Hough變換對覘孔、靶紙、準星三者的提取尤為重要。

2.1 覘孔圓的提取

利用邊緣檢測時已獲得的梯度方向信息，將Hough變換中參數(shù)空間累加器維數(shù)降至二維，同時增加一項約束：邊緣點梯度方向，便可實現(xiàn)圓的檢測［10］。其基本實現(xiàn)步驟如下：1）獲取邊緣梯度方向，即；2）若每個邊緣點和其參數(shù)空間內（a，b）沿該點的 1）值直線對應，則作累加，最后參數(shù)空間（a，b）累加器峰值位置即為圓心（a，b）；3）以2）值作射線，遍歷整個圖像，若其方向與邊緣點梯度方向的偏差在一定閾值內，則作累加，最后參數(shù)空間（r）的累加器峰值即為所檢測到的半徑。至此，覘孔圓的基本參數(shù)：圓心（a，b）和半徑（r）都已檢測完畢。圖3為檢測出的覘孔圓。

2.2 準星、靶紙的提取

利用Hough直線變換的點—線的對偶性［11-12］，即可提取準星（多邊形）與靶紙（矩形）。其基本實現(xiàn)步驟如下：1）通過極坐標轉換，將圖像空間中直線檢測轉換為參數(shù)空間中點（ρ，θ）的檢測；2）選取二維累加數(shù)組M（ρ，θ），進一步將點的檢測轉換為累加器的取值；3）遍歷所有允許值，對M（ρ，θ）進行累加，取累加器中較大的點（ρ，θ），即為圖像空間中直線的擬合參數(shù)。下頁圖4為檢測出的準星與靶紙的直線。

3 灰度矩細分定位法讀取射擊精度

通過灰度矩細分定位法，得出亞像素精度邊緣位置［13-14］：覘孔圓中心o1、靶紙中心o2和準星頂點中心o3。然后，根據(jù)瞄準原理，射擊精度的判定方法如下：

首先，檢測覘孔圓中心與靶紙中心的方向與高低偏移量，這也是射擊中瞄準的第一步；第二，檢測準星頂點中心與覘孔的方向與高低偏移量，從而推算出模擬彈著點命中的環(huán)數(shù)。該偏移量在瞄準過程中影響極大，以某步槍為例，準星偏左1mm，100m處彈著點將偏左230mm，因此，對檢測精度要求較高。

模擬彈著點命中的環(huán)數(shù)計算方法是通過判斷與靶心位置的距離而得出的，基本模型圖如圖5所示。

其中，X、Y分別為彈著點方向和高低偏移量；xo1、yo1分別為覘孔圓方向和高低偏移量；xo3、yo3分別為準星頂點中心方向和高低偏移量；（偏移量正負表示方向，x方向上正為偏右，負為偏左；y方向上正為偏高，負為偏低）L為某步槍瞄準基線長；l為模擬彈著點偏移量。

所以射擊精度判定流程如圖6所示。

射手分別根據(jù)圖6步驟2）、3）、4）顯示的結果，及時修正瞄準偏差，提高訓練效果。

4 試驗結果與分析

以某步槍作為實驗對象，選取射手1人（減少人為影響），定表尺“1”，在100 m射擊距離上進行實彈射擊20發(fā)，其中8發(fā)10環(huán)，2發(fā)9環(huán)，5發(fā)8環(huán)，3發(fā)7環(huán)，1發(fā)6環(huán)，1發(fā)脫靶。為確保對比度清晰，選取10環(huán)1發(fā)，8環(huán)偏右上1發(fā)，6環(huán)偏左下1發(fā)，脫靶1發(fā)，共4發(fā)彈著點，分別進行實際彈著點與模擬彈著點的對比分析。

通過圖像處理程序，運用灰度矩細分定位法，讀取出覘孔中心、準星頂點中心和靶紙中心坐標，按照圖6所示的流程圖，分別計算出方向偏移量X和高低偏移量Y，得出模擬射擊系統(tǒng)計算得出的命中環(huán)數(shù)，與實際彈著點環(huán)數(shù)進行對比分析，得出如下頁表1所示的分析結果。

對比分析可知，通過灰度矩細分定位法得出的射擊精度與實際彈著點基本一致，同時在瞄準修正上判定更加精確，可以分為兩步判定：一是根據(jù)o1大小，判定覘孔中心與靶紙中心是否一致；二是根據(jù)o3大小，判定覘孔中心與準星中心是否一致。而普通的瞄靶訓練或實彈射擊過程中，射手在擊發(fā)瞬間是無法精確描述其瞄準誤差，只能憑借彈著點或經驗來判定。所以，基于圖像識別的模擬射擊精度判定方法可以用來指導射擊訓練，且可以大大提高安全性，節(jié)約時間與彈藥。

5 結論

本文為了解決當前模擬射擊訓練系統(tǒng)忽視瞄準過程，尤其是對覘孔與準星的重要關系的判定這一問題，首先對采集的圖像進行預處理，利用Canny算子檢測邊緣；其次，運用Hough變換提取覘孔圓、靶紙和準星的基本參數(shù)；最后采用灰度矩細分定位法，結合射擊原理，得出模擬射擊模擬系統(tǒng)的射擊精度判定方法。實驗結果表明，該方法可以很好地判定射擊精度，并對瞄準過程、彈著點的方向都有清晰描述，可以在訓練過程中提供瞄準修正依據(jù)。

表1 射擊精度判定及瞄準修正

［1］LIANG H W，KONG B.A shooting training and instructing system based on image analysis［C］//Proceeding of the 2006 IEEE International Conference on Information Acquisition，Weihai，Shandong，China，2006：961-966.

［2］孟繁春.新穎的射擊輔助訓練器材——“槍神2000”射擊訓練系統(tǒng)簡介［J］.體育科研，2003，23（1）：18-20.

［3］于正亮，呂戰(zhàn)強，徐宏坤，等.超聲影像射擊訓練系統(tǒng)200410014099.7［P］.北京，2005.

［4］周封，楊超，王晨光，等.基于隨機Hough變換的復雜條件下圓檢測與數(shù)目辨識 ［J］. 儀器儀表學報，2013，34（3）：622-628.

［5］GONZALEZ R C，WOODS R E.Digital image processing［M］，2nd ed.New Jersey：Prentice Hall，2002.

［6］CANNY J.A computational approach to edge detection［J］.IEEE Transactions on Pattern Analysis and Machine Intelligence，1986，8（6）：679-698.

［7］LINDEBERG T.Edge detection and ridge detection with automatic scale selection［J］.International Journal of Computer Vision，1998，30（2）：117-156.

［8］董鴻燕.邊緣檢測的若干技術研究［D］.長沙：國防科學技術大學，2008.

［9］BALLARD D H.Generalizing the hough transform to detect arbitrary shapes ［J］.Pattern Recognition，1981，13（2）：111-122.

［10］陳世哲，浦昭邦，劉國棟，等.基于點Hough變換的圓形圖像亞像素檢測算法［C］//2005全國光學與光電子學學術研討會，2005：155-156.

［11］DUDA R O，HART P E.Use of the Hough transformation to detect lines and curves in pict.s ［J］.Commun ACM，1972，15（1）：11-15.

［12］楊全銀.基于Hough變換的圖像形狀特征檢測［D］.濟南：山東大學，2009.

［13］TABATABAI J，ROBERT M O.Edge location to subpixel values in digital imagery［J］.IEEE Transactions on Pattern Analysis and Machine Intelligence，1984，6（2）：88-201.

［14］張進.微型零件高精度影像測量系統(tǒng)中關鍵技術研究［D］.天津：天津大學，2010.

［15］易聲耀，張競.自動武器原理與構造學［M］.北京：國防工業(yè)出版社，2009.