tuong thuat bong da k+

  • Sự đóng góp
  • Thời gian cập nhật 24/10/2021
  • 3 readings
  • Rating 0
  • great
  • Step on

Giới thiệu về tuong thuat bong da k+

bang xep hang bong da chau au

Thiết kế và triển khai thuật toán phát hiện mục tiêu dựa trên đánh dấu tên miền được kết nối

  • Sự đóng gópTổng thống ma
  • Cập nhật thời gian2015-10-19
  • Đọc493 lần
  • ghi bàn4
  • tuyệt vời68
  • Bước lên0

Dai Huadong, Hu Moufa, Lu Huanzhang, Wang Yang

(Phòng thí nghiệm trọng điểm về nhận dạng mục tiêu tự động, Đại học Quốc phòng Công nghệ Quốc phòng, Trường Sa, Hồ Nam 410073)

Tóm tắt: Trong nhiệm vụ nhận dạng và theo dõi mục tiêu hình ảnh, việc tối ưu hóa thiết kế của thuật toán gắn nhãn miền được kết nối chủ yếu thể hiện ở tốc độ thực thi, không gian lưu trữ và số lượng các phán đoán logic. Do đó, việc gắn nhãn miền được kết nối dựa trên pixel-by -pixel scan được đề xuất và thực hiện. Thuật toán phát hiện mục tiêu đơn lẻ. Thuật toán kết hợp các đặc điểm của hộp giới hạn và phát hiện hình ảnh mục tiêu duy nhất, chỉ một dòng duy nhất của không gian đệm hình ảnh, đồng thời đơn giản hóa thao tác thay thế nhãn tương đương phức tạp, tiêu chí đánh giá mục tiêu là tối đa hóa vùng được kết nối của hình ảnh mục tiêu và cuối cùng được đưa ra dưới dạng một vị trí mục tiêu hộp giới hạn. Kết quả mô phỏng FPGA cho thấy rằng phương pháp này có tỷ lệ chiếm dụng tài nguyên nhỏ và tổng số chu kỳ đồng hồ để phát hiện một hình ảnh là M × N × 4 (M và N là số hàng và cột của hình ảnh tương ứng), phù hợp với nhận dạng thời gian thực và theo dõi các hình ảnh mục tiêu đơn lẻ.

Mạng Tạp chí Giáo dục http://www.jyqkw.com
Từ khóa: ghi nhãn miền được kết nối; FPGA; phát hiện mục tiêu; hộp giới hạn

Thư viện Trung Quốc Số phân loại: TN911? 34; TP391 Mã nhận dạng tài liệu: A Số bài viết: 1004? 373X (2015) 20? 0071? 04

Thiết kế và triển khai thuật toán phát hiện mục tiêu dựa trên nhãn tên miền được kết nối

DAI Huadong, HU Moufa, LU Huanzhang, WANG Yang

(Phòng thí nghiệm trọng điểm về nhận dạng mục tiêu tự động, Đại học Quốc phòng Công nghệ Quốc phòng, Trường Sa 410073, Trung Quốc)

Tóm tắt: Trong nhiệm vụ nhận dạng và theo dõi mục tiêu hình ảnh, việc tối ưu hóa thiết kế của thuật toán ghi nhãn miền? Rithm được kết nối chỉ được phản ánh ở ba khía cạnh: tốc độ thực thi, không gian lưu trữ và số lượng phán đoán logic. Đó là lý do tại sao một thuật toán phát hiện mục tiêu duy nhất dựa trên khi quét đơn trên mỗi pixel được kết nối? ghi ​​nhãn miền được đề xuất và hiện thực hóa. Thuật toán kết hợp các đặc điểm của hộp giới hạn và phát hiện hình ảnh mục tiêu đơn lẻ, chỉ yêu cầu một vùng nhớ đệm hình ảnh? dòng duy nhất, đồng thời đơn giản hóa thao tác thay thế nhãn tương đương phức tạp. The tiêu chí đánh giá mục tiêu là diện tích tối đa của vùng kết nối hình ảnh mục tiêu và vị trí mục tiêu cuối cùng được đưa ra dưới dạng hộp giới hạn. M × N × 4 (M và N biểu thị số hàng và cột hình ảnh tương ứng), có phù hợp để nhận dạng và theo dõi thời gian thực cho sin? g le target hình ảnh.

Từ khóa: được kết nối? Ghi nhãn tên miền; FPGA; phát hiện đối tượng; hộp giới hạn

Trong nhiệm vụ nhận dạng và theo dõi mục tiêu ảnh được dẫn đường chính xác, thuật toán ghi nhãn miền kết nối được sử dụng để trích xuất vùng mục tiêu từ ảnh và tính toán các thông số đặc trưng của vùng mục tiêu, nó là một mắt xích không thể thiếu trong hệ thống xử lý ảnh. Do đó, đối với các chuỗi hình ảnh tốc độ khung hình cao, việc nghiên cứu cách tối ưu hóa hiệu suất thời gian, chiếm không gian lưu trữ và độ tin cậy của thuật toán ghi nhãn miền kết nối hình ảnh nhị phân cơ bản để đạt được mục tiêu và nhận dạng mục tiêu có giá trị ứng dụng lớn.

Các thuật toán gắn nhãn miền được kết nối nhanh chóng được sử dụng phổ biến hiện nay có thể được tóm tắt thành ba loại sau: Loại đầu tiên là thuật toán gắn nhãn vùng kết nối chính hoặc phụ dựa trên pixel[1]Trong số đó, lần quét đầu tiên của thuật toán quét 2 thu được các nhãn tạm thời của tất cả các pixel (sẽ có hoạt động xử lý tương đương của các nhãn ở giữa) và lần quét thứ hai là để thay thế các nhãn tạm thời tương đương của hình ảnh được đánh dấu. Sự khác biệt chính giữa thuật toán quét thứ nhất và thứ hai là thuật toán quét thứ nhất trực tiếp tính toán các đặc điểm của vùng được kết nối (chẳng hạn như diện tích, thời điểm, hộp giới hạn, giá trị xám trung bình, v.v.) trong quá trình thay thế nhãn tương đương.[1].Loại thứ hai là thuật toán gắn nhãn miền được kết nối thứ nhất hoặc thứ hai dựa trên thời lượng chạy[2]Sự khác biệt so với phương pháp dựa trên pixel là độ dài chạy thay thế pixel làm đơn vị xử lý cơ bản, có thể đơn giản hóa logic phán đoán của mối quan hệ nhãn lân cận và giảm không gian lưu trữ cần thiết cho kết quả gắn nhãn.Loại thuật toán gắn nhãn miền được kết nối thứ ba dựa trên sự phát triển của khu vực[3]Sử dụng nguyên tắc điền điểm hạt giống, nó có thể được chia thành phương pháp đệ quy và phương pháp đầu tiên theo chiều sâu, những phương pháp này sẽ tiêu tốn rất nhiều không gian bộ nhớ và chỉ thích hợp để đánh dấu các khu vực nhỏ.

Dựa trên thuật toán gắn nhãn miền được kết nối cơ bản ở trên, tài liệu[4]Kết hợp các ưu điểm của thuật toán quét dựa trên pixel và thời lượng chạy, cấu trúc liên kết dạng cây được sử dụng để hoàn thành việc thay thế nhãn tương đương và kết quả là đoạn đường được xuất ra, phù hợp cho việc triển khai phần cứng và có hiệu suất và hiệu suất thực thi cao . Nhưng đối với hình ảnh mục tiêu lớn, thời gian và không gian lưu trữ cần thiết để xử lý hình ảnh tỷ lệ thuận với số lượng đoạn thẳng, điều này tiêu tốn nhiều tài nguyên hơn.văn học[5]Thay thế ý tưởng phân đoạn thay vì độ dài chạy, sử dụng phân đoạn làm đơn vị đánh dấu, lượng tính toán của quan hệ tương đương là nhỏ nhất và hiệu suất thời gian tốt hơn nhiều so với các thuật toán khác. Tuy nhiên, bộ lưu trữ dữ liệu của nó có cấu trúc ba cấp gồm các điểm pixel, đoạn thẳng và khối đoạn thẳng, điều này sẽ gây lãng phí tài nguyên lưu trữ trong trường hợp có nhiều phân nhánh.văn học[6]Đây là một thuật toán được cải tiến kết hợp chiều dài đường chạy và sự tăng trưởng diện tích. Thuật toán không quét từng hàng ảnh nhị phân và đơn giản hóa quy trình gắn nhãn tương đương. Nó đánh dấu toàn bộ khu vực được kết nối cùng một lúc, nhưng nó bị giới hạn bởi độ sâu- ý tưởng tìm kiếm đầu tiên và yêu cầu tìm kiếm lặp lại. Vùng lân cận của mỗi phần được kết nối làm giảm hiệu quả hoạt động.Có thể thấy rằng văn[4?6]Thuật toán gắn nhãn miền được kết nối trong dựa trên hai ý tưởng: tối ưu hóa không gian lưu trữ[4?5,7?9], Điều này giúp tiết kiệm tài nguyên lưu trữ hạn chế trên FPGA; đơn giản hóa việc đánh giá hợp lý các nhãn tương đương[4,6,10], Trong khi tránh mất thông tin kết nối[11].Thuật toán trong bài báo này sử dụng phương pháp phán đoán kết nối dựa trên chạy[4], Kết hợp các đặc điểm của hộp giới hạn và hình ảnh đích duy nhất, chỉ cần một dòng không gian đệm hình ảnh duy nhất, điều này giúp đơn giản hóa thao tác thay thế nhãn tương đương phức tạp. Đối với hình ảnh nhị phân trong đó các pixel mục tiêu được tập trung và kết nối, quá trình quét từng pixel được thực hiện và vùng tối đa của hộp giới hạn vùng được kết nối mục tiêu là tiêu chí đánh giá. Cuối cùng là vị trí tọa độ của vùng tối đa vùng mục tiêu trong hình ảnh được đưa ra dưới dạng hộp giới hạn, phù hợp cho việc nhận dạng và theo dõi các hình ảnh mục tiêu theo thời gian thực.

1 Nguyên tắc thuật toán

Thuật toán trong bài báo này sử dụng một hộp giới hạn để biểu diễn thông tin vị trí mục tiêu theo thứ tự quét raster (từ trên xuống dưới, từ trái sang phải). Ý tưởng chính của thuật toán là: (1) Trong dòng đầu tiên của hình ảnh, khi gặp điểm mục tiêu không được đánh dấu đầu tiên, điểm mục tiêu được sử dụng làm điểm bắt đầu của đoạn đường thẳng mới và điểm mục tiêu được quét sang bên phải cho đến khi kết thúc đoạn thẳng do điểm đích tạo thành. Và đánh dấu nhãn tương ứng, định dạng lưu trữ nhãn là info (x) = pix_value, line_start, col_min, col_max, row_min, label (trong đó x là số cột tương ứng), và tính toán diện tích của hộp giới hạn của vùng nhãn.

(2) Lưu vào bộ nhớ cache kết quả đánh dấu của dòng trước đó. Khi gặp một đoạn thẳng không được đánh dấu, hãy đánh giá xem đoạn thẳng và đoạn được đánh dấu của dòng trước đó có tạo thành mối quan hệ lân cận hay không. Nếu vậy, hãy sử dụng nhãn của dòng trước đó và cập nhật thông tin hộp giới hạn tương ứng; nếu không, hãy sử dụng nhãn mới.

(3) Lặp lại thao tác trên. Khi gặp cấu trúc hình chữ U (nghĩa là, một đoạn thẳng của đường hiện tại tạo thành mối quan hệ lân cận với hai đoạn đường hướng lên tương ứng), nhãn của đoạn thẳng bên trái trong đường hướng lên được sử dụng làm nhãn của đoạn thẳng.

(4) Khi quá trình xử lý từng đoạn dòng hoàn tất, hãy tính diện tích hộp giới hạn aera_temp của dòng tương ứng với nhãn và so sánh nó với diện tích tối đa đã lưu trong bộ đệm trước đó aera_Max (giá trị ban đầu 0), nếu giá trị trước đó lớn, thì xuất aera_Max_out, chứa dòng hiện tại Hộp giới hạn, nhãn và thông tin vùng của nhãn tương ứng của phân đoạn, nếu không thì không có quá trình xử lý nào được thực hiện.

(5) Tiếp tục quét ảnh cho đến khi quá trình quét đến cột cuối cùng của hàng cuối cùng.Kết quả xử lý cuối cùng dựa trên hộp giới hạn của miền được kết nối nơi đặt mục tiêu[col_max,col_min,row_max,row_min]Biểu mẫu được đưa ra.

1.1 Đánh dấu hình ảnh dựa trên thời lượng chạy

Thuật toán đánh dấu hình ảnh dựa trên độ dài chạy sử dụng các đoạn thẳng thay vì pixel làm đơn vị xử lý đánh dấu cơ bản. Có hai tình huống trong quá trình đánh dấu: (1) Đoạn đường thẳng được hình thành bởi dòng pixel mục tiêu hiện tại không hình thành mối quan hệ lân cận với các pixel mục tiêu hướng lên (hình ảnh Dòng đầu tiên được coi là thuộc trường hợp này vì không có đường hướng lên), khi pixel cuối cùng của đoạn thẳng được quét, một nhãn mới được gán cho đoạn thẳng, như được minh họa trong Hình 1, đoạn thẳng có nhãn 3; (2) Hiện tại Đoạn đường thẳng được tạo thành bởi các pixel mục tiêu hàng và pixel mục tiêu phía trên tạo thành một mối quan hệ lân cận, sau đó đoạn thẳng sử dụng nhãn của hàng trên, chẳng hạn như đoạn thẳng có nhãn 1 trong Hình 1.

Như đã mô tả ở trên, ưu điểm của phương pháp này là: 1 đoạn thẳng tương ứng với 1 thông tin thẻ, dung lượng lưu trữ nhỏ và thông tin cấu trúc của kết nối vùng được tận dụng triệt để, làm giảm sự phán đoán logic của vùng lân cận.

1.2 Xử lý tương đương

Trong quá trình đánh dấu hình ảnh, khi gặp cấu trúc hình chữ U, vì pixel mục tiêu trước đó đã được đánh dấu và chỉ có thể thay đổi bản cập nhật nhãn bằng cách quét từng pixel tiếp theo, một nhãn tạm thời tương đương sẽ xuất hiện, như được hiển thị trong Hình 1 U Như trong cấu trúc kiểu, có thể thấy rằng nhãn 1 và nhãn 2 thuộc cùng một vùng kết nối, tức là có mối quan hệ tương đương (Hình 1, Hình 2 và Hình 3 trong bài viết này là kết quả của các nhãn trước khi thay thế nhãn tương đương). Khi hình ảnh phức tạp hơn, nhiều cấu trúc hình chữ U được kết nối và lồng vào nhau sẽ dẫn đến logic thay thế nhãn tương đương phức tạp.Thuật toán trong bài báo này sử dụng dạng hộp giới hạn để biểu diễn thông tin cấu trúc được kết nối, giúp đơn giản hóa quá trình thay thế mối quan hệ tương đương. Ý tưởng như sau: Như trong Hình 2, khi cấu trúc hình chữ U được phát hiện, hãy so sánh ngược dòng tương ứng nhãn 4 và nhãn 5.[col_max,col_min,row_max,row_min]Kích thước, hợp nhất nó và sử dụng nhãn bên trái (cụ thể là nhãn 4). Khi đoạn thẳng kết thúc, thông tin đoạn dòng liền kề ở phía trên là thông tin nhãn đã hợp nhất, do đó hoàn thành việc hợp nhất thông tin hộp giới hạn nhãn tương đương. Đối với nhiều cấu trúc hình chữ U được kết nối, các nguyên tắc trên được áp dụng và nhãn thông tin hộp giới hạn 4 (nghĩa là nhãn ngoài cùng bên trái) sau khi hợp nhất đường lên cuối cùng.

1.3 Xử lý hợp nhất thông tin nhãn giống nhau

Việc chuyển nhãn của thuật toán dựa trên đoạn thẳng đích của dòng trước đó. Đối với các đoạn thẳng của cùng một dòng có cùng nhãn, cấu trúc hình chữ U ngược sẽ khiến toàn bộ vùng kết nối bị chia đôi, như trong Hình 3, khu vực kết nối có nhãn 8. Nhiều đoạn thẳng trong cùng một dòng của hình ảnh sử dụng cùng một nhãn, vì vậy thông tin hộp giới hạn của nhãn cần được hợp nhất theo thời gian thực trong quá trình đánh dấu.Vì không chắc chắn số lượng đoạn thẳng có cùng nhãn trong cùng một hàng, nhãn tương ứng, số lượng đoạn thẳng cách nhau trung gian,… nên cần xác định số lượng tương ứng của từng nhãn.[col_max,col_min,row_max,row_min]Tham số thiết lập một bảng cập nhật, bảng này được cập nhật ở cuối mỗi đoạn đường thẳng. Đối với hình ảnh 256 × 256, số đoạn dòng tối đa có thể xuất hiện trong một dòng là 86 (chỉ dành cho bộ đệm dòng) và không gian lưu trữ bắt buộc là 86 × 32 b, yêu cầu khối BRAM mới.

Thuật toán nhắm đến một mục tiêu cụ thể, các pixel mục tiêu tương đối tập trung và được kết nối với nhau, và xuất ra vị trí mục tiêu dưới dạng một hộp giới hạn là một kết quả gần đúng. Do đó, khi chỉ các đoạn đường thẳng liền kề có cùng nhãn được hợp nhất, nghĩa là, trong trường hợp của Hình 3, các đoạn thẳng trái và phải (không liền kề) của đoạn thẳng có nhãn 9 không được hợp nhất, và các đoạn dòng hướng lên hoặc dòng xuống là cùng một nhãn và giống nhau, nếu liền nhau thì thực hiện thao tác hợp nhất, sau khi kiểm tra, kết quả cuối cùng của phương pháp phù hợp với kết quả của phương pháp thiết lập bảng cập nhật. Ý tưởng của việc hợp nhất là hợp nhất thông tin hộp giới hạn của hai đoạn thẳng đầu tiên và sau đó ở cuối đoạn thẳng thứ hai, ghi thông tin kết hợp vào vị trí đệm dòng của đoạn thẳng đầu tiên (đó là ghi đè lên thông tin đoạn dòng trước đó), giúp tiết kiệm không gian bộ nhớ đệm hàng cần thiết để tạo bảng cập nhật.

2 Triển khai phần cứng của đánh dấu miền được kết nối

Thuật toán trong bài báo này sẽ quét hình ảnh từ trái sang phải và từ trên xuống dưới một lần, đồng thời đánh dấu hình ảnh đó. Đầu vào của mạch đánh dấu là luồng dữ liệu hình ảnh (bao gồm đồng hồ hình ảnh, giá trị pixel, số hàng và cột, tín hiệu đồng bộ khung, v.v.). Sau khi dữ liệu hình ảnh được lưu vào bộ nhớ cache, mối quan hệ kết nối được đánh giá (bốn vùng lân cận được sử dụng trong bài viết này). Khi hoàn thành việc đánh dấu đoạn thẳng, Thực hiện chọn nhãn, so sánh giá trị cực trị của tọa độ hàng và cột, hợp nhất nhãn, v.v. và cuối cùng ghi kết quả đánh dấu của đoạn thẳng vào bộ đệm dòng, và xuất ra kết quả hộp giới hạn đích Sơ đồ cấu trúc của mạch phát hiện dấu hiệu được thể hiện trong Hình 4.

2.1 Mô-đun phán đoán kết nối

Phán đoán kết nối là mô-đun cơ bản nhất của toàn bộ mạch. Đối với bất kỳ pixel nào trong hình ảnh, có 4 loại quan hệ vị trí trong quá trình kết nối phán đoán quan hệ: điểm đầu, điểm giữa, điểm cuối của đoạn thẳng và bên ngoài của đoạn thẳng. Thuật toán hoàn thành phán đoán mối quan hệ kết nối dựa trên bốn mối quan hệ vị trí này và mối quan hệ lân cận ở bên trái và phía trên các pixel. Lưu đồ được thể hiện trong Hình 5.

2.2 Mô-đun hợp nhất quan hệ tương đương

Như thể hiện trong Hình 2, tất cả các mối quan hệ tương đương của thuật toán trong bài báo này đều bắt nguồn từ cấu trúc hình chữ U. Trong hình. Đối với hàng pixel mục tiêu thứ hai, khi pixel thứ hai có nhãn 4 được quét raster, hãy đọc từ bộ đệm hàng Thông tin của đoạn dòng ngược dòng là 1, line_start, col_min, col_max, row_min, 4; khi raster quét đến pixel thứ ba có nhãn 4, giá trị của pixel trong dòng ngược dòng là 0 và đoạn thẳng thông tin cũng là 0; raster Khi pixel thứ tư có nhãn 4 được quét, thông tin của đoạn dòng ngược dòng được đọc từ bộ đệm dòng là 1, line_start, col_min, col_max, row_min, 5, so sánh col_min của nhãn 4 và nhãn 5 trong đồng hồ tiếp theo, giá trị Col_max, row_min và ghi các tham số hộp giới hạn kết hợp vào các biến tạm thời của thông tin đoạn dòng ngược dòng hiện tại. Nghĩa là, khi đạt đến pixel thứ năm có nhãn 4 trong quá trình quét raster, thông tin đoạn đường hướng lên đã là thông tin hộp giới hạn được hợp nhất và nhãn được sửa đổi thành 4.

3 Kết quả thử nghiệm

3.1 Tiêu thụ tài nguyên

Bài viết này được thiết kế để triển khai trên nền tảng phần cứng XC2V3000 4CG717 của Công ty Xilinx. Đối với hình ảnh nhị phân có kích thước 256 × 256, bộ đệm dòng sử dụng 256 × 36 BRAM và định dạng lưu trữ là: giá trị pixel (1 bit) , cờ bắt đầu đoạn dòng (1 chữ số), nhãn (10 chữ số), số cột tối đa (8 chữ số), số cột tối thiểu (8 chữ số), số hàng tối thiểu (8 chữ số). Sau khi thử nghiệm, mạch này thực hiện một hình ảnh nhị phân với kích thước 256 × 256 và tần số truyền hình ảnh là 25 MHz. Do xử lý 1 pixel nên thông tin pixel tương ứng của hàng trước đó của pixel hiện tại cần được đọc và pixel hiện tại Thông tin được ghi hai lần. Để tiết kiệm tài nguyên bộ nhớ trong FPGA và tránh các hoạt động bóng bàn trong bộ nhớ, thuật toán này sử dụng 4 lần tần số đồng hồ truyền hình ảnh f (không cao hơn 30 MHz) để đọc và ghi bộ đệm dòng kép. -port BlockRAM, do đó, đánh dấu một Thời gian cần thiết cho một hình ảnh là t = M × N × 4 f, nghĩa là, kết quả đánh dấu có thể được xuất cùng lúc với quá trình truyền hình ảnh hoàn tất. Việc sử dụng tài nguyên bên trong của FPGA được thực hiện bởi thuật toán được thể hiện trong Bảng 1. Từ bảng này, có thể thấy rằng việc triển khai phần cứng của thuật toán chiếm không quá 1% tài nguyên bên trong của FPGA.

3.2 Kết quả mô phỏng và phân tích

Thuật toán trong bài báo này có sự phù hợp nhất định đối với hình ảnh mục tiêu, yêu cầu một mục tiêu duy nhất và các pixel tương đối tập trung, vì vậy 6 hình ảnh nhị phân như trong Hình 6 được chọn để thử nghiệm và kết quả xử lý của hình ảnh nhị phân bằng mạch phát hiện dấu được hiển thị trong Hình 6., và hiển thị nó trong vùng mục tiêu được đánh dấu dưới dạng một hộp theo đầu ra cuối cùng của kết quả hộp giới hạn.

Kết quả thử nghiệm cho thấy mạch đánh dấu có thể định vị chính xác mục tiêu (như trong Hình 6, nơi các khu vực được kết nối của mục tiêu đều nằm trong hộp) và xuất ra kết quả đánh dấu khi quá trình truyền hình ảnh hoàn tất. Đối với tốc độ khung hình 100 Hz (10 ms / khung hình), thời gian truyền hình ảnh (cũng là thời gian xử lý hình ảnh) ở tốc độ đồng hồ 25 MHz là 1 (2,5 × 10 7) × 256 × 256 ≈ 1,85 ms, đáp ứng đầy đủ các yêu cầu xử lý thời gian thực. Thuật toán này có triển vọng ứng dụng rộng rãi trong việc tăng tốc phần cứng của việc phát hiện và nhận dạng mục tiêu hình ảnh từ thô đến tinh. Ví dụ: trong quy trình nhận dạng thô, vùng hình ảnh mục tiêu bị khóa qua hộp giới hạn, điều này làm giảm lượng dữ liệu được xử lý để nhận dạng mục tiêu chính xác trong giai đoạn sau và đặt nền tảng để đáp ứng hiệu suất thời gian thực của thuật toán nhận dạng mục tiêu của nền tảng tên lửa. Đồng thời, mặc dù thuật toán được thiết kế cho một mục tiêu duy nhất, cho nhiều mục tiêu đã biết, việc lưu trữ nhiều thông tin mục tiêu với các khu vực được kết nối lớn hơn có thể thực hiện phát hiện nhãn đa mục tiêu. Ngoài ra, các thông số đặc trưng mục tiêu như vùng mục tiêu và giá trị xám trung bình có thể được tính toán cùng lúc với việc đánh dấu mục tiêu, để đạt được hiệu quả xử lý cao hơn, có giá trị thực tế lớn hơn.

4. Kết luận

Nhắm đến các yêu cầu thời gian thực của việc xử lý hình ảnh của các cảm biến hình ảnh quang học một mục tiêu, bài báo này đề xuất một thuật toán phát hiện mục tiêu đơn dựa trên các điểm đánh dấu miền được kết nối. Thuật toán kết hợp các đặc điểm của hộp giới hạn và ảnh mục tiêu đơn lẻ, hoàn thành việc phát hiện dấu hiệu của toàn bộ ảnh trong quá trình truyền ảnh và đưa ra vị trí tọa độ của mục tiêu trong ảnh ở dạng hộp giới hạn. Thuật toán lấy diện tích hộp giới hạn lớn nhất của vùng được kết nối mục tiêu làm tiêu chí đánh giá, điều này có những hạn chế nhất định. Tuy nhiên, nó chiếm ít không gian lưu trữ hơn, đơn giản hóa thao tác thay thế nhãn tương đương phức tạp và có giá trị thực tế trong việc nhận dạng và theo dõi thời gian thực của một hình ảnh mục tiêu trên nền tảng tên lửa.

Mạng Tạp chí Giáo dục http://www.jyqkw.com
người giới thiệu

[1] BAILEY DG, JOHNSTON C T. Phân tích compo? Nents được kết nối một lần [J]Kỷ yếu của Hình ảnh và Tầm nhìn Com? Puting, 2007, 23 (19): 282? 287.

[2] Xu Lihua, Chen Zaosheng. Ghi nhãn vùng mã hóa độ dài đường chạy trong hình ảnh nhị phân[J]Kỹ thuật quang điện tử, 2004, 31 (6): 63-65.

[3] Xia Jing, Sun Jiyin. Phương pháp phân đoạn hình ảnh hồng ngoại hướng về phía trước dựa trên sự phát triển của khu vực[J].Laser và Infrared, 2011, 41 (1): 107 ~ 111.

[4] Zhao Fei, Zhang Lu, Zhang Zhiyong, v.v. Thuật toán ghi nhãn miền được kết nối theo hình ảnh nhị phân theo thời gian thực dựa trên tăng tốc phần cứng[J]Tạp chí Điện tử và Thông tin, 2011, 33 (5): 1069-1075.

[5] Wang Jing. Một thuật toán ghi nhãn phân đoạn và triển khai các miền được kết nối trong hình ảnh nhị phân[J].Infrared and Laser Engineering, 2010 (4): 761? 765.

[6] Gao Hongbo, Wang Weixing. Một thuật toán mới để đánh dấu các vùng được kết nối của hình ảnh nhị phân[J]Ứng dụng Máy tính, 2008, 27 (11): 2776-2777.

[7] JOHNSTON CT, BAILEY D G. Triển khai FPGA của thuật toán thành phần kết nối sin? Gle vượt qua [C] // Kỷ yếu Hội thảo Quốc tế IEEE lần thứ 4 về Thiết kế, Thử nghiệm và Ứng dụng Điện tử. [S.l.]: IEEE, 2008: 228-231.

[8] KLAIBER M, ROCKSTROH L, WANG Z, và các cộng sự. Một bộ nhớ? Ef? Đủ kiến ​​trúc truyền song song để gắn nhãn compo được kết nối cho hình ảnh được truyền trực tuyến [J]Lĩnh vực? Công nghệ có thể lập trình? Nology, 2012, 10 (12): 159? 165.

[9] SANTIAGO DJC, REN TI, CAVALCANTI GDC và các cộng sự. Các thuật toán dựa trên khối nhanh để gắn nhãn các thành phần được kết nối[C]// Kỷ yếu Hội nghị Quốc tế IEEE 2013 về Chất lỏng, Lời nói và Tín hiệu. [S.l.]: IEEE, 2013: 2084-2088.

[10] WU K, OTOO E, SHOSHANI A. Tối ưu hóa hai thuật toán gắn nhãn thành phần [J]Phân tích và ứng dụng mẫu, 2005, 12 (2): 117? 135.

[11] Feng Haiwen, Niu Lianqiang, Liu Xiaoming. Một thuật toán quét một lần hiệu quả để gắn nhãn các vùng được kết nối[J]. Kỹ thuật máy tính và ứng dụng, 2014, 50 (23): 31-35.

Đôi nét về tác giả: Dai Huadong (1990—), nam, quê ở Thiệu Dương, Hồ Nam, sau đại học. Hướng nghiên cứu chính là ảnh quang học và nhận dạng mục tiêu tự động.

Hu Moufa (1979—), nam, giảng viên. Hướng nghiên cứu chính là xử lý thông tin quang học, nhận dạng mục tiêu, v.v.

Lu Huanzhang (1963—), nam, giám sát viên tiến sĩ. Các hướng nghiên cứu chính là nhận dạng mục tiêu, hệ thống thời gian thực và mạch tích hợp dành riêng cho ứng dụng.

Trước: Nghiên cứu và phát triển pin mặt trời pha tạp chọn lọc
Kế tiếp: Ủy ban chuyên môn về tủ lạnh của Hiệp hội thiết bị điện gia dụng Trung Quốc được thành lập

Chúc các bạn đọc tin tuong thuat bong da k+ vui vẻ!