本文運(yùn)用opencv平臺(tái)中的智能算法對(duì)超高速撞擊碎片云圖像進(jìn)行處理,提取圖像中碎片云的特征進(jìn)行分析,結(jié)合后板的撞擊損傷情況（如損傷面積等）,對(duì)碎片云中產(chǎn)生有效損傷的碎片比例進(jìn)行估計(jì)。通過實(shí)驗(yàn),最終得到碎片云的長徑比2.02,后板的損傷率0.66%,以及后板有效損傷面積2.877 3 cm,經(jīng)推算得到產(chǎn)生有效損傷的碎片云比例約為42.17%。 

【文章來源】：智能計(jì)算機(jī)與應(yīng)用. 2020,10(04)

【文章頁數(shù)】：6 頁

【部分圖文】：

進(jìn)行自適應(yīng)閾值分割處理后的碎片云圖像

隨后對(duì)梯度幅值進(jìn)行非極大值抑制。因僅僅得到全局的梯度并不足以確定邊緣，因此為確定邊緣，必須保留局部梯度最大的點(diǎn)，而抑制非極大值。圖6 圓周圖和3×3窗口

圖5 邊緣梯度示意圖利用梯度的方向?qū)⑻荻冉请x散為圓周的4個(gè)扇區(qū)之一，以便用3×3的窗口作抑制運(yùn)算。4個(gè)扇區(qū)的標(biāo)號(hào)為0到3，對(duì)應(yīng)3×3鄰域的4種可能組合。在每一點(diǎn)上，鄰域的中心像素M[x,y]與沿著梯度線的2個(gè)像素相比。如果M[x,y]的梯度值小于沿梯度線的2個(gè)相鄰像素梯度值，則令M[x,y]=0。邊緣梯度示意圖如圖5所示。圓周圖和3×3窗口如圖6所示。

【參考文獻(xiàn)】：
期刊論文
[1]圖像處理技術(shù)在碎片云參數(shù)測(cè)量中的應(yīng)用[J]. 朱玉榮,吳祖堂,譚書舜,張向榮,劉冠蘭.  彈箭與制導(dǎo)學(xué)報(bào). 2010(06)
[2]超高速碰撞碎片云的四序列激光陰影照相[J]. 柳森,謝愛民,黃潔,宋強(qiáng),羅錦陽.  實(shí)驗(yàn)流體力學(xué). 2010(01)
[3]SPH算法在超高速碰撞數(shù)值模擬中的應(yīng)用[J]. 崔偉峰,曾新吾.  國防科技大學(xué)學(xué)報(bào). 2007(02)
[4]超高速碰撞數(shù)值模擬的工程算法模型[J]. 崔偉峰,曾新吾.  宇航學(xué)報(bào). 2007(01)

碩士論文
[1]超高速撞擊碎片云損傷建模[D]. 蔣彩霞.哈爾濱工業(yè)大學(xué) 2007



本文編號(hào)：3515931