一种基于投影原理的多弹孔识别方法

在基于图像识别的立靶密集度测试系统中,为了识别连发射击后的弹孔位置,提出了一种基于投影原理的多个弹孔识别方法。采用投影原理的矩形分割法将含有弹孔的图像分割成若干个区域,再用基于区域填充的十字模板法识别出弹孔并计算弹孔中心位置。给出了识别算法和计算公式。实弹射击实验结果表明,该方法能够有效地计算出连发射击后的弹孔着靶坐标,测量误差不大于1.5 mm。

一种基于减影技术的纸靶重孔识别方法

为了提高纸靶重孔的测量准确性，提出一种基于图像减影技术的重孔识别方法．采用后一靶面图像减去前一靶面图像，得到带有当前部分弹孔信息图像．采用区域重心法求出目标区域重心位置，由此重心位置求出遮挡弹孔中心位置，从而识别出重孔位置．实验结果表明，该方法能够识别出重合面积在5％～95％之间的重孔位置．

基于Hopfield自联想神经网络的天幕靶信号识别技术

为了提高天幕靶系统测试精度和可靠性,探索测试产生各种干扰噪声如弹头激波、弹底激波、蚊虫飞鸟、振动等干扰因素的影响规律,利用Hopfield自联想神经网络的方法,识别并剔除典型因素干扰。通过对实弹射击试验得到的数据进行分析,充分验证了天幕靶系统的准确性和可靠性。分析结果表明:与电平信号识别相比,在射频为5发/min、口径为23 mm的炮弹测试中,自联想神经网络信号识别率提高了17.2%;在弹型为穿甲弹,口径为23 mm的测试中,Hopfield自联想神经网络信号识别率提高了46.7%;对于射频为7500发/min的天幕靶连发弹丸信号测试条件下,正确信号识别率均达到了93%以上。在复杂环境条件下,Hopfield神经网络算法识别率远远高于传统的电平识别,提高了信号的识别率,能够适应一定区域内的复杂环境因素。