Về một giải pháp tự động xác định điểm nổ cho đài quan sát pháo binh mặt đất trên cơ sở ứng dụng công nghệ xử lý ảnh

§iÒu khiÓn & Tù ®éng hãa<br /> <br /> <br /> VÒ mét gi¶I ph¸p tù ®éng x¸c ®Þnh ®iÓm næ<br /> cho ®µi quan s¸t ph¸o binh mÆt ®Êt<br /> trªn c¬ së øng dông c«ng nghÖ xö lý ¶nh<br /> Ph¹m trung dòng*, nguyÔn quang hïng**, lª kh¸nh thµnh**<br /> Tãm t¾t: Trong t¸c chiÕn ph¸o binh hiÖn nay, viÖc ph¸t hiÖn ®iÓm næ ®­îc thùc hiÖn thñ<br /> c«ng bëi tr¾c thñ th­êng tèn thêi gian vµ ®é chÝnh x¸c kh«ng cao trong khi ®iÓm næ x¶y ra<br /> nhanh vµ thêi gian tån t¹i ng¾n. Bµi b¸o ®Ò xuÊt mét gi¶i ph¸p tù ®éng x¸c ®Þnh ®iÓm næ cho<br /> ®µi quan s¸t ph¸o binh mÆt ®Êt trªn nÒn c«ng nghÖ xö lý ¶nh víi cÊu tróc ®¬n gi¶n, cã thÓ<br /> gi¶i quyÕt ®­îc c¸c tån t¹i trªn.<br /> Tõ khãa: Ph¸o binh mÆt ®Êt, §iÓm næ, Xö lý ¶nh.<br /> <br /> 1. ®Æt vÊn ®Ò<br /> Trong t¸c chiÕn cña ph¸o binh, viÖc x¸c ®Þnh ®iÓm næ sÏ gióp cho viÖc hiÖu chØnh ph¸o<br /> b¾n tróng môc tiªu mét c¸ch nhanh chãng vµ chÝnh x¸c ngay tõ nh÷ng lo¹t ®¹n ®Çu. C«ng<br /> viÖc nµy tr­íc ®©y th­êng ®­îc thùc hiÖn thñ c«ng bëi c¸c tr¾c thñ nªn th­êng mÊt thêi<br /> gian vµ ®é chÝnh x¸c kh«ng cao. HiÖn nay, nhê sö dông c¸c ®µi quan s¸t víi hÖ thèng trinh<br /> s¸t hiÖn ®¹i, c¸c hÖ thèng truyÒn sè liÖu vµ c¸c hÖ thèng tÝnh to¸n, ®iÒu khiÓn, giao diÖn<br /> th©n thiÖn cho phÐp c¸c trËn ®Þa ph¸o triÓn khai nhanh, cã kh¶ n¨ng b¾n tiªu diÖt môc<br /> tiªu chÝnh x¸c vµ cã kh¶ n¨ng c¬ ®éng cao. Trong c¸c ®µi quan s¸t nµy, nhiÖm vô<br /> ph¸t hiÖn ®iÓm næ cã ¶nh h­ëng lín tíi chÊt l­îng cña toµn hÖ thèng vµ kh«ng ngõng<br /> ®­îc quan t©m nghiªn cøu hoµn thiÖn.<br /> §· cã mét sè c«ng tr×nh nghiªn cøu ¸p dông c«ng nghÖ xö lý ¶nh ®Ó ph¸t hiÖn ®¸m<br /> ch¸y, khãi trong c¸c øng dông d©n sù nh­ phßng chèng ch¸y rõng, b¶o vÖ kho tµng, c«ng<br /> tr×nh [1-8]. §Æc ®iÓm chung cña löa khãi trong c¸c nghiªn cøu nµy lµ diÖn tÝch lín, thêi<br /> gian tån tµi dµi vµ liªn tôc. Tuy nhiªn, còng nhËn thÊy r»ng, c¸c nghiªn cøu vÒ ®iÓm næ<br /> trªn nÒn c«ng nghÖ xö lý ¶nh øng dông trong quèc phßng hÇu nh­ ch­a ®­îc c«ng bè c«ng<br /> khai. Víi tÝnh chÊt cña ®iÓm næ lµ x¶y ra nhanh, diÖn tÝch khãi vµ löa cña ®iÓm næ th­êng<br /> nhá, thay ®æi vµ khuÕch t¸n nhanh. Do ®ã, ¸p dông trùc tiÕp c¸c gi¶i ph¸p ®· ®­îc nghiªn<br /> cøu trong c¸c øng dông d©n sù ®Ó tù ®éng ph¸t hiÖn ®iÓm næ cho ph¸o mÆt ®Êt lµ kh«ng<br /> kh¶ thi. Tõ nh÷ng ph©n tÝch trªn cho thÊy, viÖc nghiªn cøu gi¶i ph¸p tù ®éng x¸c<br /> ®Þnh ®iÓm næ cho ®µi quan s¸t ph¸o binh trªn nÒn c«ng nghÖ xö lý ¶nh ®Ó phôc vô<br /> chiÕn ®Êu lµ rÊt cÇn thiÕt.<br /> 2. GI¶I PH¸P Tù §éNG X¸C §ÞNH §IÓM Næ<br /> Mét nhiÖm vô quan träng cña ®µi quan s¸t ph¸o binh mÆt ®Êt lµ x¸c ®Þnh ®­îc ®iÓm næ<br /> mét c¸ch chÝnh x¸c sau ®ã cung cÊp th«ng tin nµy cho trung t©m së chØ huy ph¸o. Khèi tù<br /> ®éng x¸c ®Þnh ®iÓm næ trong ®µi quan s¸t cã cÊu tróc lµ phÇn ®ãng khung bëi ®­êng nÐt<br /> ®øt trªn h×nh 1. Nh­ vËy, trong khèi tù ®éng x¸c ®Þnh ®iÓm næ ®­îc cÊu thµnh tõ c¸c thµnh<br /> phÇn sau:<br /> <br /> <br /> <br /> <br /> H×nh 1. CÊu tróc khèi tù ®éng ph¸t hiÖn ®iÓm næ trong m« h×nh chØ huy b¾n cÊp ®¹i ®éi.<br /> <br /> <br /> <br /> <br /> 10 P. T. Dòng, N. Q. Hïng, L. K.Thµnh, ”VÒ mét gi¶i ph¸p tù ®éng x¸c ®Þnh … xö lý ¶nh.”<br /> Nghiªn cøu khoa häc c«ng nghÖ<br /> <br /> ThiÕt bÞ quan s¸t vµ ®o xa laser: Bao gåm c¸c camera quan s¸t vµ ®o xa laser. Camera<br /> liªn tôc thu h×nh ¶nh göi vÒ m« ®un xö lý ®Ó x¸c ®Þnh ®iÓm næ. §o xa cung cÊp th«ng tin<br /> vÒ cù ly tõ ®µi quan s¸t tíi vïng môc tiªu ®Ó hiÖu chØnh h×nh ¶nh, ®¶m b¶o kÝch th­íc cña<br /> ®iÓm næ lu«n æn ®Þnh khi xö lý ngay c¶ khi ®iÓm næ ë gÇn hay ë xa. §iÒu nµy ¶nh h­ëng<br /> trùc tiÕp tíi kÕt qu¶ xö lý ®iÓm næ. M« ®un xö lý vµ hiÓn thÞ: M« ®un nµy ch¹y phÇn mÒm<br /> xö lý ®iÓm næ vµ tÝnh to¸n c¸c tham sè l­îng söa kh¸c. PhÇn mÒm liªn tôc xö lý c¸c ¶nh<br /> thu ®­îc tõ camera ®Ó tù ®éng x¸c ®Þnh ®iÓm næ dùa trªn c¸c ®Æc tÝnh cña ®iÓm næ. M«<br /> ®un ®iÒu khiÓn vµ truyÒn th«ng sè liÖu: Dùa trªn c¸c kÕt qu¶ tÝnh to¸n tõ m« ®un xö lý, m«<br /> ®un nµy sÏ ®iÒu khiÓn c¸c thiÕt bÞ quan s¸t vµ truyÒn th«ng sè liÖu víi së chØ huy trung t©m<br /> cña trËn ®Þa ph¸o. Qu¸ tr×nh ph¸t hiÖn ®iÓm næ tù ®éng dùa trªn c«ng nghÖ xö lý ¶nh ®­îc<br /> thùc hiÖn theo l­u ®å h×nh 2.<br /> Chuçi ¶nh ®Çu vµo tõ camera quan s¸t ®­îc<br /> ®­a vµo khèi tiÒn xö lý ¶nh. T¹i ®©y ¸p dông<br /> c¸c thuËt to¸n läc bá nhiÔu t¹p, chuÈn hãa kÝch<br /> cì ¶nh theo th«ng tin cù ly, lo¹i bá c¸c ®èi<br /> t­îng qu¸ bÐ, hoÆc qu¸ lín trong ¶nh. Th«ng<br /> tin tiªn nghiÖm ®­îc sö dông ë ®©y chÝnh lµ<br /> kÝch cì ¶nh ®iÓm næ. ¶nh qua kh©u tiÒn xö lý<br /> ®­îc ®­a sang khèi ph¸t hiÖn ¶nh ®iÓm næ s¬<br /> bé. Sù thay ®æi cña ®iÓm næ trong mét kho¶ng<br /> thêi gian dÉn tíi ¶nh ®iÓm næ sÏ thay ®æi tõ<br /> ¶nh nµy sang ¶nh kh¸c trong chuçi ¶nh, nh­<br /> vËy sÏ ph¶i ®­a bµi to¸n ph¸t hiÖn ®iÓm næ vÒ<br /> bµi to¸n ph¸t hiÖn ®èi t­îng thay ®æi trong<br /> ¶nh. §Çu ra cña khèi nµy sÏ cho ¶nh ®èi t­îng<br /> H×nh 2. L­u ®å qu¸ tr×nh tù ®éng cã kh¶ n¨ng lµ ®iÓm næ. §Ó kh¼ng ®Þnh chÝnh<br /> ph¸t hiÖn ®iÓm næ. x¸c ¶nh ®èi t­îng võa t¸ch ra lµ ®iÓm<br /> næ,nghiªn cøu sÏ xem xÐt thªm tÝnh chÊt löa vµ<br /> khãi cña ¶nh ®èi t­îng ®ã. KÕt qu¶ cña qu¸ tr×nh chÝnh x¸c hãa nµy sÏ kh¼ng ®Þnh ®· ph¸t<br /> hiÖn ®­îc ®iÓm næ hay ch­a. TiÕp theo sÏ ®i s©u xem xÐt nguyªn lý tù ®éng x¸c ®Þnh ®iÓm<br /> næ, c¸c tÝnh chÊt cña ®iÓm næ ®­îc øng dông trong gi¶i ph¸p ®Ò xuÊt.<br /> 2.1. Ph¸t hiÖn s¬ bé ®iÓm næ<br /> §iÓm næ ®­îc xem lµ ®èi t­îng thay ®æi trong ¶nh cã diÖn tÝch thay ®æi theo thêi gian.<br /> Do ¶nh thu ®­îc trong qu¸ tr×nh b¾n ph¸o chÞu ¶nh h­ëng cña nhiÒu yÕu tè ngÉu nhiªn t¸c<br /> ®éng nh­ c­êng ®é ¶nh s¸ng thay ®æi, c¸c lo¹i nhiÔu t¹p Do vËy trong nghiªn cøu nµy sÏ<br /> lùa chän ph­¬ng ph¸p MOG [2] (Mixture Of Gaussian) lµ ph­¬ng ph¸p phæ biÕn ®­îc sö<br /> dông ®èi víi c¸c nÒn ®éng ®Ó t¸ch ®iÓm næ. Theo ph­¬ng ph¸p nµy, mçi ®iÓm ¶nh nÒn<br /> sÏ®­îc m« h×nh hãa bëi mét tæ hîp K Gaussian. Dùa trªn tÝnh æn ®Þnh vµ sù thay ®æi cña<br /> mçi Gaussian, cã thÓ x¸c ®Þnh ®­îc Gaussian nµo t­¬ng øng víi nÒn. C¸c gi¸ trÞ ®iÓm ¶nh<br /> kh«ng t­¬ng øng víi ph©n bè nÒn sÏ ®­îc xem nh­ lµ ®èi t­îng trªn nÒn. X¸c xuÊt xuÊt<br /> hiÖn mµu t¹i vÞ trÝ ®iÓm ¶nh X ®­îc tÝnh theo c«ng thøc sau:<br /> K<br /> P( X t )   i ,t *  ( X t ,  i ,t ,  i ,t ) (1)<br /> i 1<br /> trong ®ã, K lµ sè ph©n bè Gaussian, lµ ­íc l­îng cña träng sè cña Gaussian thø i trong<br /> tæ hîp c¸c Gaussian ë thêi ®iÓm t, lµ gi¸ trÞ trung b×nh cña Gaussian thø i trong tæ hîp<br /> c¸c Gaussian ë thêi ®iÓm t,  i,t lµ ma trËn ph­¬ng sai cña Gaussian thø i trong tæ hîp c¸c<br /> Gaussian ë thêi ®iÓm t, lµ hµm mËt ®é x¸c xuÊt Gaussian:<br /> <br /> <br /> <br /> <br /> T¹p chÝ Nghiªn cøu KH&CN Qu©n sù, Sè 30, 04 - 2014 11<br />  §iÒu khiÓn & Tù ®éng hãa<br /> <br /> <br /> (2)<br /> <br /> Gi¸ trÞ K ®­îc x¸c ®Þnh dùa trªn kh¶ n¨ng tÝnh to¸n vµ bé nhí, th­êng gi¸ trÞ tõ 3 ®Õn 5<br /> ®­îc sö dông. T­¬ng tù nh­ thÕ, dùa trªn kh¶ n¨ng vÒ bé nhí vµ kh¶ n¨ng tÝnh to¸n, ma<br /> trËn ph­¬ng sai ®­îc sö dông lµ ma trËn ®­êng chÐo:<br /> <br /> k ,t<br />  k2 I (3)<br /> Theo ph­¬ng ph¸p nµy, mçi gi¸ trÞ ®iÓm ¶nh míi ®­îc so s¸nh víi c¸c ph©n bè K<br /> Gaussian ®ang tån t¹i cho tíi khi t×m ®­îc c¸i phï hîp. Mét ph©n bè Gaussian trong tæ hîp<br /> ®­îc coi lµ phï hîp víi Xt nÕu gi¸ trÞ ®iÓm ¶nh n»m trong ph¹m vi 2.5 lÇn ®é lÖch chuÈn<br /> cña ph©n bè. NÕu kh«ng cã thµnh phÇn nµo trong sè K ph©n bè phï hîp víi Xt th× ph©n bè<br /> cã ý nghÜa gÇn nhÊt ®­îc sö dông thay thÕ. C¸c träng sè tr­íc cña K ph©n bè ë thêi ®iÓm t,<br /> , k,t, ®­îc ®iÒu chØnh nh­ sau:<br />  k ,t  (1   ) k ,t 1   k ,t (4)<br /> trong ®ã,  lµ tèc ®é häc,  k ,t b»ng 1 víi m« h×nh t×m ®­îc lµ phï hîp víi gi¸ trÞ ®iÓm ¶nh<br /> míi vµ b»ng 0 víi c¸c m« h×nh cßn l¹i. Sau khi thùc hiÖn phÐp xÊp xØ nµy, c¸c träng sè sÏ<br /> ®­îc chuÈn hãa. Gi¸ trÞ 1/  ®Þnh nghÜa h»ng sè thêi gian x¸c ®Þnh tèc ®é thay ®æi c¸c tham<br /> sè cña ph©n bè Gaussian. C¸c tham sè cña ph©n bè phï hîp víi d÷ liÖu quan s¸t míi ®­îc<br /> cËp nhËt nh­ sau:<br /> t  (1   ) t 1  X t (5)<br />  t2  (1   ) t21   ( X t   t )T ( X t   t ) (6)<br /> trong ®ã,    ( X t |  k ,  k ) .<br /> C¸c ph©n bè K sÏ ®­îc ph©n cÊp dùa trªn gi¸ trÞ thÝch hîp , vµ chØ nh÷ng gi¸ trÞ tin<br /> cËy nhÊt H sÏ ®­îc chän nh­ lµ phÇn cña nÒn, gi¸ trÞ H ®­îc chän nh­ sau:<br /> h<br /> H  arg min h (  k  T ) (7)<br /> k 1<br /> trong ®ã, T lµ ng­ìng, sau ®ã c¸c ®iÓm ¶nh víi mµu lín h¬n 2.5 lÇn sai kh¸c chuÈn so<br /> víi mçi ph©n bè H sÏ ®­îc coi nh­ lµ ®èi t­îng chuyÓn ®éng trªn nÒn. NÕu chän gi¸ trÞ T<br /> nhá, m« h×nh nÒn sÏ bÞ suy gi¶m.ViÖc ph©n tÝch vµ bãc t¸ch ®­îc ®èi t­îng chuyÓn ®éng<br /> trong ¶nh lµ b­íc quan träng x¸c ®Þnh ®iÓm næ vµ vÞ trÝ cña nã. Dùa trªn ®èi t­îng chuyÓn<br /> ®éng ®­îc t¸ch ra vµ trong kho¶ng mét sè khung h×nh nhÊt ®Þnh (thêi gian ®ñ lín cßn tån<br /> t¹i c¸c ®Æc tr­ng cña ®iÓm næ), chóng ta sÏ ph©n tÝch thªm c¸c ®Æc tr­ng cña ®iÓm næ ®Ó<br /> ®­a ra quyÕt ®Þnh chÝnh x¸c ®èi t­îng chuyÓn ®éng trong ¶nh cã lµ ®iÓm næ hay kh«ng.<br /> C¸c ph©n tÝch nµy sÏ ®­îc tr×nh bµy trong phÇn tiÕp theo.<br /> 2.2. C¸c tÝnh chÊt cña ®iÓm næ<br /> Sau khi ph¸t hiÖn ®­îc ®èi t­îng chuyÓn ®éng trong ¶nh, cÇn ph¶i ph©n tÝch xem ®èi<br /> t­îng ®ã cã ph¶i lµ ®iÓm næ hay kh«ng dùa trªn c¸c ph©n tÝch c¸c tÝnh chÊt löa vµ khãi<br /> trong ®iÓm næ.<br /> 2.2.1 TÝnh chÊt löa trong ®iÓm næ<br /> Löa lµ tÝnh chÊt ®Çu tiªn cña ®iÓm næ mµ ta nh×n thÊy khi cã ®iÓm næ xuÊt hiÖn trªn ¶nh<br /> vµ v× thÕ nã lµ mét ®Æc ®iÓm quan träng gióp chóng ta ph©n biÖt gi÷a ®iÓm næ vµ ®èi t­îng<br /> kh¸c chuyÓn ®éng trong ¶nh. XÐt trong kh«ng gian mµu RGB, ®iÓm ¶nh P t¹i vÞ trÝ (x,y)<br /> trong ¶nh ®­îc xem lµ ®iÓm löa nÕu c¸c luËt sau ®©y ®­îc tháa m·n [4]:<br /> LuËt 1: R(x,y) > RT (8)<br /> <br /> <br /> <br /> 12 P. T. Dòng, N. Q. Hïng, L. K.Thµnh, ”VÒ mét gi¶i ph¸p tù ®éng x¸c ®Þnh … xö lý ¶nh.”<br /> Nghiªn cøu khoa häc c«ng nghÖ<br /> <br /> LuËt 2: R(x,y) ≥ G(x,y) ≥ B(x,y) (9)<br /> LuËt 3: S ≥( ( 255 - R( x, y ) ) * ST / RT ) (10)<br /> trong ®ã, R(x,y), G(x,y), B(x,y) t­¬ng øng víi c¸c thµnh phÇn Red, Green, Blue cña ®iÓm<br /> ¶nh;ST vµ RT lÇn l­ît lµ c¸c gi¸ trÞ ng­ìng cña kªnh mµu Red vµ ®é b·o hßa (saturation),S<br /> lµ ®é b·o hßa cña toµn ¶nh. NÕu c¶ ba luËt trªn ®ång thêi ®óng th× ®iÓm ®ang xÐt lµ ®iÓm<br /> löa. Ng­îc l¹i ®iÓm ®ang xÐt kh«ng ph¶i lµ ®iÓm löa, C¸c luËt (8), (9) vµ (10) sÏ ®­îc t¸c<br /> gi¶ sö dông ®Ó ph©n tÝch tÝnh chÊt löa cña ®iÓm næ.<br /> 2.2.2 TÝnh chÊt khãi trong ®iÓm næ<br /> Trong ®iÒu kiÖn ph©n tÝch tÜnh, khãi th­êng hiÓn thÞ b»ng mµu x¸m trong suèt qu¸ tr×nh<br /> ph¸t t¸n cña nã. Mµu x¸m ®ã cã thÓ ph©n biÖt thµnh hai khu vùc møc x¸m: x¸m nh¹t vµ<br /> x¸m tèi. §iÒu nµy cho thÊy ba thµnh phÇn R, G, B cña ®iÓm ¶nh khãi t­¬ng ®­¬ng nhau.<br /> V× thÕ, c¸c mµu x¸m nµy cã thÓ ®­îc m« t¶ víi I (c­êng ®é) cña kh«ng gian mµu HSI. C¸c<br /> c­êng ®é cña c¸c khu vùc mµu x¸m nh¹t vµ mµu x¸m tèi trong kho¶ng tõ L1 tíi L2 vµ tõ D1<br /> tíi D2 c¸c møc x¸m. B»ng c¸ch ph©n tÝch mµu s¾c, c¸c ®iÒu kiÖn [9]:<br /> R ±α = G ±α = B ±α (11)<br /> vµ L1≤ I ≤ L2 vµ D1 ≤ I ≤ D1 (12)<br /> có thể được sử dụng như một điều kiện để xác định khói. Trong ®iÒu kiÖn ë trªn, c¸c gi¸ trÞ<br /> L1 vµ L2, D1 vµ D2 phô thuéc vµo c¸c sè liÖu thèng kª thùc nghiÖm. Kho¶ng gi¸ trÞ th«ng<br /> th­êng lµ trong kho¶ng tõ 15 tíi 20, c¸c gi¸ trÞ trong kho¶ng x¸m nh¹t tíi x¸m tèi lµ tõ 80<br /> (D1) tíi 150 (D2) vµ 150 (L1) tíi 220 (L2). Ba luËt ®­îc ®Þnh nghÜa ®Ó quyÕt ®Þnh ®iÓm ¶nh<br /> cã lµ ®iÓm khãi hay kh«ng:<br /> LuËt 1: R ±α = G ±α = B ±α<br /> LuËt 2: L1≤ I ≤ L2<br /> LuËt 3: D1≤ I ≤ D2<br /> If (LuËt 1) AND [(LuËt 2) OR (LuËt 3)] = TRUE<br /> §iÓm ¶nh lµ ®iÓm khãi<br /> Else<br /> §iÓm ¶nh kh«ng lµ ®iÓm khãi.<br /> Trong ®iÒu kiÖn ph©n tÝch ®éng, khãi lan ra theo mét qu¸ tr×nh khuÕch t¸n. Nh×n chung<br /> dßng kh«ng khÝ sÏ ¶nh h­ëng tíi h×nh d¹ng cña khãi, tèc ®é di chuyÓn vµ h­íng di chuyÓn<br /> cña c¸c phÇn tö khãi. Dßng kh«ng khÝ sÏ lµm thay ®æi h×nh d¹ng cña khãi bÊt cø lóc nµo vµ<br /> dã ®ã khã cã thÓ ®o ®­îc h×nh d¹ng cña nã, mét luËt n÷a ®­îc sö dông trong ph©n tÝch<br /> khãi cña ®iÓm næ:<br /> NÕu (SEP / STP) ≥ STD (13)<br /> §iÓm ¶nh lµ ®iÓm khãi thùc<br /> Ng­îc l¹i<br /> §iÓm ¶nh kh«ng lµ ®iÓm khãi,<br /> trong ®ã, SEP lµ tæng cña c¸c chu vi cña c¸c khu vùc khãi ®­îc ph©n ®o¹n, STP lµ tæng c¸c<br /> ®iÓm ¶nh khãi t¸ch ®­îc,STD lµ ng­ìng thay ®æi hçn lo¹n ®Ó ph©n biÖt víi c¸c ®èi t­îng<br /> gièng khãi kh¸c. Tû lÖ SEP/STP x¸c ®Þnh møc ®é rèi lo¹n cña khãi, STD lµ biÕn trong c¸c<br /> t×nh huèng thay ®æi vµ phôc thuéc vµo c¸c thùc nghiÖm d÷ liÖu tÜnh.<br /> 2.3. Mét sè kÕt qu¶ thùc nghiÖm<br /> Trªn h×nh 3 lµ kÕt qu¶ t¸ch ®iÓm næ ra khái nÒn ¶nh sö dông thuËt to¸n MOG. H×nh 3a<br /> lµ kÕt qu¶ t¸ch ®iÓm næ t¹i khung h×nh thø 23, ®­îc thÓ hiÖn trªn 4 cöa sæ: cöa sè gãc trªn-<br /> bªn tr¸i lµ ¶nh ®Çu vµo, cöa sæ gãc trªn bªn ph¶i lµ mask cña ®iÓm næ t¸ch ®­îc, cöa sè<br /> gãc d­íi-bªn tr¸i lµ nÒn theo thêi gian vµ cöa sæ gãc d­íi-bªn ph¶i lµ ®iÓm næ thùc ®­îc<br /> t¸ch. T­¬ng tù h×nh 3a, h×nh 3b lµ kÕt qu¶ t¸ch ®iÓm næ t¹i khung h×nh thø 30. Trªn h×nh 4<br /> lµ kÕt qu¶ ph©n tÝch tÝnh chÊt löa trong ®iÓm næ trong ®ã ¶nh ®Çu vµo ë cöa sè bªn tr¸i<br /> (INPUT) vµ ¶nh ®iÓm löa ®­îc t¸ch ë cöa sæ bªn ph¶i (MASK). Trªn h×nh 5 lµ kÕt qu¶<br /> <br /> <br /> <br /> T¹p chÝ Nghiªn cøu KH&CN Qu©n sù, Sè 30, 04 - 2014 13<br />  §iÒu khiÓn & Tù ®éng hãa<br /> <br /> ph©n tÝch tÝnh chÊt khãi trong ®iÓm næ. Cöa sè gãc trªn-bªn tr¸i lµ h×nh ¶nh ®Çu vµo, cöa sè<br /> gãc trªn-bªn ph¶i lµ mask cña khãi t¸c ®­îc, cöa sè gãc d­íi-bªn tr¸i lµ nÒn theo thêi gian,<br /> cöa sè gãc d­íi-bªn ph¶i lµ khãi thùc ®­îc t¸ch.<br /> Dùa trªn c¸c kÕt qu¶ ph©n tÝch chuyÓn ®éng trong ¶nh vµ kÕt qu¶ ph©n tÝch tÝch chÊt löa<br /> vµ khãi trong ®èi t­îng chuyÓn ®éng ë mét kho¶ng thêi gian ®ñ ng¾n, ®µi quan s¸t ph¸o<br /> binh cã thÓ ®­a ra kÕt luËn vÒ sù tån t¹i cña ®iÓm næ vµ vÞ trÝ cña nã trong ¶nh. Tõ c¸c kÕt<br /> qu¶ thùc nghiÖm cho ta thÊy ®iÓm næ ®­îc ph¸t hiÖn ngay tõ khi nã xuÊt hiÖn (ë c¸c khung<br /> h×nh 23 ®Õn khung h×nh 50, víi tèc ®é 20 h×nh/gi©y) ®¸p øng ®­îc yªu cÇu vÒ kh¶ n¨ng<br /> ph¸t hiÖn ®iÓm næ víi thêi gian tån t¹i ng¾n, x¶y ra nhanh, khãi vµ löa khuÕch t¸n nhanh.<br /> <br /> <br /> <br /> <br /> 3a (frame 23) 3b (frame 30)<br /> H×nh 3. D·y ¶nh ®Çu vµo (1), nÒn theo thêi gian (3),<br /> mask cña ®iÓm næ t¸ch ®­îc (2), ®iÓm n« thùc ®­îc t¸ch (4).<br /> <br /> <br /> <br /> <br /> H×nh 4. Ph©n tÝch tÝnh chÊt löa: ¶nh ®Çu vµo (tr¸i)<br /> vµ c¸c ®iÓm ¶nh löa ®­îc t¸ch (ph¶i).<br /> <br /> <br /> <br /> <br /> H×nh 5. D·y ¶nh ®Çu vµo (1), nÒn theo thêi gian (3), mask cña khãi t¸ch ®­îc (2),<br /> khãi thùc ®­îc t¸ch (4).<br /> <br /> <br /> 14 P. T. Dòng, N. Q. Hïng, L. K.Thµnh, ”VÒ mét gi¶i ph¸p tù ®éng x¸c ®Þnh … xö lý ¶nh.”<br /> Nghiªn cøu khoa häc c«ng nghÖ<br /> <br /> 3. KÕT LUËN<br /> Víi viÖc ph©n tÝch ®iÓm næ dùa trªn c¸c tÝnh chÊt chuyÓn ®éng, khãi vµ löa b»ng c¸c<br /> thuËt to¸n xö lý ¶nh ®· cho phÐp chóng ta x©y dùng ®­îc mét gi¶i ph¸p tù ®éng x¸c ®Þnh<br /> ®iÓm næ cho ®µi quan s¸t ph¸o binh mÆt ®Êt. C¸c kÕt qu¶ nghiªn cøu cho thÊy gi¶i ph¸p cã<br /> thÓ tù ®éng c¸c ®Þnh ®iÓm næ nhanh vµ chÝnh x¸c, cÊu tróc kh«ng qu¸ phøc t¹p, hoµn toµn<br /> cã kh¶ n¨ng ¸p dông trªn thùc tÕ.<br /> <br /> Tµi liÖu tham kh¶o<br /> [1] Zoran Zivkovic, "Improved Adaptive Gaussian Mixture Model for Background<br /> Subtraction," icpr, vol. 2, pp.28-31, 17th International Conference on Pattern<br /> Recognition (ICPR'04) - Volume 2, 2004.<br /> [2] T. Celik, H. Demirel, H. Ozkaramanli, M. Uyguroglu, "Fire detection using statistical<br /> color model in video sequences", Journal of Visual Communication and Image<br /> Representation (2007) 176-185.<br /> [3] T. H. Chen, C. L. Kao and S. M. Chang, "An Intelligent Real-Time Fire-Detection<br /> Method Based on Video Processing,"in Proceedings of the IEEE 37th Annual (2003)<br /> International Carnahan Conference on Security Technology, pp. 104-111,2003.<br /> [4] Turgay Celik, Huseyin Ozkaramanly, and Hasan Demirel, “Fire and smoke detection<br /> without sensors: Image processing based approach”, in 15th European Signal<br /> Processing Conference (EUSIPCO 2007), Poznan, Poland, September 3-7, 2007,<br /> copyright by EURASIP<br /> [5] T. H. Chen, P. H. Wu vµ Y. C. Chiou, “An Early Fire Detection Method Based on<br /> Image Processing”, 2004 IEEE International Conference On Image Processing,<br /> Singapore, Oct. 2004, pp. 1707-1710.<br /> [6] Zhang, Zhengyou, “A Flexible New Techniquefor Camera Calibration,“ Microsoft<br /> Research Technical Report, 1999.<br /> [7] Tsai, Roger Y., “ A Versatile Camera Calibration Technique for High Accuracy 3D<br /> Machine Vision Metrology Using Off the Shelf Cameras and Lenses,” IEEE Journal of<br /> Robotics and Automation Vol. RA-3 No 4, 1987, pp.323-346.<br /> [8] T.H. Chen, Y.H. Yin, S.F. Huang, and Y.T. Ye. ,”The smoke detection for early fire-<br /> alarming system base on video processing,” In Intelligent Information Hiding and<br /> Multimedia Signal Processing, 2006. IIH-MSP’06. International Conference on, pages<br /> 427-430. IEEE, 2006.<br /> <br /> ABSTRACT<br /> AN AUTOMATIC SOLUSION IN DETECTING EXPLOSION-POINT<br /> FOR THE ArTILLERY OBSERVATORY basedON<br /> IMAGE PROCESSING TECHNOLOGY<br /> This article shows an automatic solution in detecting explosion-point and its application<br /> for the artillery observatory based on image processing technology. This solution is able to<br /> accurately detect explosion-point which occures in quick and short duration.<br /> Keywords: Artillery, Explosion, Fire, Smoke, Image processing.<br /> <br /> <br /> Nhận bài ngày 24 tháng 01 năm 2013<br /> Hoàn thiện ngày 17 tháng 02 năm 2014<br /> Chấp nhận đăng ngày 10 tháng 03 năm 2014<br /> §Þa chØ: * Khoa kü thuËt ®iÒu khiÓn, Häc viÖn Kü thuËt qu©n sù;<br /> ** ViÖn Tù ®éng hãa kü thuËt qu©n sù.<br /> Email: itacspro@gmail.com , ®iÖn tho¹i 0936298936;<br /> <br /> <br /> <br /> <br /> T¹p chÝ Nghiªn cøu KH&CN Qu©n sù, Sè 30, 04 - 2014 15<br />