基于神经网络的目标靶板边缘检测技术研究

论文摘要

本文采用SOBEL边缘算子和一种基于CP神经网络的边缘检测方法,对破片战斗部静爆试验后所采集的目标靶板数字图像进行了图像处理,实现了对目标靶板破片数量及破片穿透率试验统计数据的准确检测与分析,为破片战斗部杀伤威力评估提供了较为精确的技战术指标。SOBEL边缘算子在提取二值灰度图像的边缘轮廓作为目标靶板的原始样本数据的过程中,在简化试验数据的同时,成功地保留了原有试验数据的特性——孔边界的突变性。基于CP神经网络的边缘检测方法有效地克服战斗部破片穿靶试验中破片飞散的随机性和破片孔分布的复杂性,从而减小了人为检测和统计中诸多不利因素的影响,完成对靶板图像的准确检测。文中首先详细论述神经网络及边缘检测技术的发展及在武器工程领域的应用,阐明本研究课题的特点及实用价值;然后,对边缘检测技术所涉及的主要算法特点及其应用技术进行了全面的概括论述;接着详细论述破片战斗部所涉及的相关数学统计理论及基于神经网络的目标靶板边缘检测技术,提出一种基于CP神经网络模型及技术应用的实现方法,完成对目标靶板试验图像的边缘检测;最后,对神经网络对目标靶板的检测方法和人为检测目标靶板方法进行了比对及总结,论证了神经网络检测方法的可行性和先进性。总之,本论文在对破片战斗部杀伤性试验的目标靶板检测中所采用的神经网络技术,可以明显提高对试验数据统计的效率与精度。该技术将应用于各种破片战斗部试验目标靶板检测中。

论文目录

• 摘 要
• ABSTRACT
• 第一章 引言
• 1.1 神经网络和边缘检测技术发展
• 1.2 神经网络技术在武器工程领域应用研究现状
• 1.3 本文的贡献和意义及实用价值
• 1.3.1 本文的贡献
• 1.3.2 本课题的理论意义和在武器工程设计中的实用价值
• 1.4 本文的组织安排
• 第二章 边缘检测技术概述
• 2.1 图像边缘检测技术分类概述
• 2.1.1 高斯滤波器
• 2.1.2 索贝尔算子
• 2.1.3 坎尼边缘检测算子
• 2.1.4 高斯的拉普拉斯算法
• 2.2 图像边缘检测技术分析比较
• 2.3 图像边缘检测技术应用发展趋势
• 第三章 基于神经网络的目标靶板边缘检测技术
• 3.1 在武器系统研究中的应用背景
• 3.2 目标靶板试验方法及数学理论
• 3.2.1 目标靶板试验方法及计算公式
• 3.2.1.1 球形靶法
• 3.2.1.2 扇形靶法
• 3.2.2 目标靶板破片分布数学理论
• 3.3 数字图像处理技术对目标靶板图像的应用
• 3.4 数字图像处理技术对目标靶板图像的转换实现
• 3.5 目标靶板的神经网络结构模型建立及实现
• 3.5.1 神经网络结构组成
• 3.5.2 神经网络对目标靶板的二值图像学习和回想
• 3.5.3 神经网络对目标靶板的边缘检测关键技术实现
• 第四章 传统人工检测和神经网络对目标靶板边缘检测误差分析
• 4.1 传统人工检测目标靶板方法及结果分析
• 4.1.1 传统人工试验检测方法
• 4.1.2 传统人工试验检测结果分析
• 4.2 神经网络对目标靶板检测方法及结果分析
• 4.2.1 神经网络对目标靶板的边缘检测方法
• 4.2.2 神经网络对目标靶板采集结果分析
• 4.3 两种检测方法的比较
• 第五章 后续研究计划
• 第六章 结束语
• 参考文献
• 致谢
• 个人简历