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

Điều khiển & Tự động hóa P. T. Dũng, N. Q. Hùng, L. K.Thành, ”Về một giải pháp tự động xác định xử lý ảnh.” 10 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 Phạm trung dũng*, nguyễn quang hùng**, lê khánh thành** Tóm tắt: Trong tác chiến pháo binh hiện nay, việc phát hiện điểm nổ được thực hiện thủ công bởi trắc thủ thường tốn thời gian và độ chính xác không cao trong khi điểm nổ xảy ra nhanh và thời gian tồn tại ngắn. Bài báo đề xuất một giải pháp tự động xác định điểm nổ cho đài quan sát pháo binh mặt đất trên nền công nghệ xử lý ảnh với cấu trúc đơn giản, có thể giải quyết được các tồn tại trên. Từ khóa: Pháo binh mặt đất, Điểm nổ, Xử lý ảnh. 1. đặt vấn đề Trong tác chiến của pháo binh, việc xác định điểm nổ sẽ giúp cho việc hiệu chỉnh pháo bắn trúng mục tiêu một cách nhanh chóng và chính xác ngay từ những loạt đạn đầu. Công việc này trước đây thường được thực hiện thủ công bởi các trắc thủ nên thường mất thời gian và độ chính xác không cao. Hiện nay, nhờ sử dụng các đài quan sát với hệ thống trinh sát hiện đại, các hệ thống truyền số liệu và các hệ thống tính toán, điều khiển, giao diện thân thiện cho phép các trận địa pháo triển khai nhanh, có khả năng bắn tiêu diệt mục tiêu chính xác và có khả năng cơ động cao. Trong các đài quan sát này, nhiệm vụ phát hiện điểm nổ có ảnh hưởng lớn tới chất lượng của toàn hệ thống và không ngừng được quan tâm nghiên cứu hoàn thiện. Đã có một số công trình nghiên cứu áp dụng công nghệ xử lý ảnh để phát hiện đám cháy, khói trong các ứng dụng dân sự như phòng chống cháy rừng, bảo vệ kho tàng, công trình [1-8]. Đặc điểm chung của lửa khói trong các nghiên cứu này là diện tích lớn, thời gian tồn tài dài và liên tục. Tuy nhiên, cũng nhận thấy rằng, các nghiên cứu về điểm nổ trên nền công nghệ xử lý ảnh ứng dụng trong quốc phòng hầu như chưa được công bố công khai. Với tính chất của điểm nổ là xảy ra nhanh, diện tích khói và lửa của điểm nổ thường nhỏ, thay đổi và khuếch tán nhanh. Do đó, áp dụng trực tiếp các giải pháp đã được nghiên cứu trong các ứng dụng dân sự để tự động phát hiện điểm nổ cho pháo mặt đất là không khả thi. Từ những phân tích trên cho thấy, việc nghiên cứu giải pháp tự động xác định điểm nổ cho đài quan sát pháo binh trên nền công nghệ xử lý ảnh để phục vụ chiến đấu là rất cần thiết. 2. GIảI PHáP Tự ĐộNG XáC ĐịNH ĐIểM Nổ Một nhiệm vụ quan trọng của đài quan sát pháo binh mặt đất là xác định được điểm nổ một cách chính xác sau đó cung cấp thông tin này cho trung tâm sở chỉ huy pháo. Khối tự động xác định điểm nổ trong đài quan sát có cấu trúc là phần đóng khung bởi đường nét đứt trên hình 1. Như vậy, trong khối tự động xác định điểm nổ được cấu thành từ các thành phần sau: Hình 1. Cấu trúc khối tự động phát hiện điểm nổ trong mô hình chỉ huy bắn cấp đại đội. Nghiên cứu khoa học công nghệ Tạp chí Nghiên cứu KH&CN Quân sự, Số 30, 04 - 2014 11 Thiết bị quan sát và đo xa laser: Bao gồm các camera quan sát và đo xa laser. Camera liên tục thu hình ảnh gửi về mô đun xử lý để xác định điểm nổ. Đo xa cung cấp thông tin về cự ly từ đài quan sát tới vùng mục tiêu để hiệu chỉnh hình ảnh, đảm bảo kích thước của điểm nổ luôn ổn định khi xử lý ngay cả khi điểm nổ ở gần hay ở xa. Điều này ảnh hưởng trực tiếp tới kết quả xử lý điểm nổ. Mô đun xử lý và hiển thị: Mô đun này chạy phần mềm xử lý điểm nổ và tính toán các tham số lượng sửa khác. Phần mềm liên tục xử lý các ảnh thu được từ camera để tự động xác định điểm nổ dựa trên các đặc tính của điểm nổ. Mô đun điều khiển và truyền thông số liệu: Dựa trên các kết quả tính toán từ mô đun xử lý, mô đun này sẽ điều khiển các thiết bị quan sát và truyền thông số liệu với sở chỉ huy trung tâm của trận địa pháo. Quá trình phát hiện điểm nổ tự động dựa trên công nghệ xử lý ảnh được thực hiện theo lưu đồ hình 2. Chuỗi ảnh đầu vào từ camera quan sát được đưa vào khối tiền xử lý ảnh. Tại đây áp dụng các thuật toán lọc bỏ nhiễu tạp, chuẩn hóa kích cỡ ảnh theo thông tin cự ly, loại bỏ các đối tượng quá bé, hoặc quá lớn trong ảnh. Thông tin tiên nghiệm được sử dụng ở đây chính là kích cỡ ảnh điểm nổ. ảnh qua khâu tiền xử lý được đưa sang khối phát hiện ảnh điểm nổ sơ bộ. Sự thay đổi của điểm nổ trong một khoảng thời gian dẫn tới ảnh điểm nổ sẽ thay đổi từ ảnh này sang ảnh khác trong chuỗi ảnh, như vậy sẽ phải đưa bài toán phát hiện điểm nổ về bài toán phát hiện đối tượng thay đổi trong ảnh. Đầu ra của khối này sẽ cho ảnh đối tượng có khả năng là điểm nổ. Để khẳng định chính xác ảnh đối tượng vừa tách ra là điểm nổ,nghiên cứu sẽ xem xét thêm tính chất lửa và khói của ảnh đối tượng đó. Kết quả của quá trình chính xác hóa này sẽ khẳng định đã phát hiện được điểm nổ hay chưa. Tiếp theo sẽ đi sâu xem xét nguyên lý tự động xác định điểm nổ, các tính chất của điểm nổ được ứng dụng trong giải pháp đề xuất. 2.1. Phát hiện sơ bộ điểm nổ Điểm nổ được xem là đối tượng thay đổi trong ảnh có diện tích thay đổi theo thời gian. Do ảnh thu được trong quá trình bắn pháo chịu ảnh hưởng của nhiều yếu tố ngẫu nhiên tác động như cường độ ảnh sáng thay đổi, các loại nhiễu tạp Do vậy trong nghiên cứu này sẽ lựa chọn phương pháp MOG [2] (Mixture Of Gaussian) là phương pháp phổ biến được sử dụng đối với các nền động để tách điểm nổ. Theo phương pháp này, mỗi điểm ảnh nền sẽđược mô hình hóa bởi một tổ hợp K Gaussian. Dựa trên tính ổn định và sự thay đổi của mỗi Gaussian, có thể xác định được Gaussian nào tương ứng với nền. Các giá trị điểm ảnh không tương ứng với phân bố nền sẽ được xem như là đối tượng trên nền. Xác xuất xuất hiện màu tại vị trí điểm ảnh X được tính theo công thức sau:    K i titittit XXP 1 ,,, ),,(*)(  (1) trong đó, K là số phân bố Gaussian, là ước lượng của trọng số của Gaussian thứ i trong tổ hợp các Gaussian ở thời điểm t, là giá trị trung bình của Gaussian thứ i trong tổ hợp các Gaussian ở thời điểm t, ti , là ma trận phương sai của Gaussian thứ i trong tổ hợp các Gaussian ở thời điểm t, là hàm mật độ xác xuất Gaussian: Hình 2. Lưu đồ quá trình tự động phát hiện điểm nổ. Điều khiển & Tự động hóa P. T. Dũng, N. Q. Hùng, L. K.Thành, ”Về một giải pháp tự động xác định xử lý ảnh.” 12 (2) Giá trị K được xác định dựa trên khả năng tính toán và bộ nhớ, thường giá trị từ 3 đến 5 được sử dụng. Tương tự như thế, dựa trên khả năng về bộ nhớ và khả năng tính toán, ma trận phương sai được sử dụng là ma trận đường chéo: Iktk 2 ,   (3) Theo phương pháp này, mỗi giá trị điểm ảnh mới được so sánh với các phân bố K Gaussian đang tồn tại cho tới khi tìm được cái phù hợp. Một phân bố Gaussian trong tổ hợp được coi là phù hợp với Xt nếu giá trị điểm ảnh nằm trong phạm vi 2.5 lần độ lệch chuẩn của phân bố. Nếu không có thành phần nào trong số K phân bố phù hợp với Xt thì phân bố có ý nghĩa gần nhất được sử dụng thay thế. Các trọng số trước của K phân bố ở thời điểm t, , k,t, được điều chỉnh như sau: tktktk ,1,, )1(    (4) trong đó, là tốc độ học, tk , bằng 1 với mô hình tìm được là phù hợp với giá trị điểm ảnh mới và bằng 0 với các mô hình còn lại. Sau khi thực hiện phép xấp xỉ này, các trọng số sẽ được chuẩn hóa. Giá trị1/ định nghĩa hằng số thời gian xác định tốc độ thay đổi các tham số của phân bố Gaussian. Các tham số của phân bố phù hợp với dữ liệu quan sát mới được cập nhật như sau: ttt X  1)1( (5) )()()1( 2 1 2 tt T tttt XX    (6) trong đó, ),|( kktX   . Các phân bố K sẽ được phân cấp dựa trên giá trị thích hợp , và chỉ những giá trị tin cậy nhất H sẽ được chọn như là phần của nền, giá trị H được chọn như sau: )(minarg 1    h k kh TH  (7) trong đó, T là ngưỡng, sau đó các điểm ảnh với màu lớn hơn 2.5 lần sai khác chuẩn so với mỗi phân bố H sẽ được coi như là đối tượng chuyển động trên nền. Nếu chọn giá trị T nhỏ, mô hình nền sẽ bị suy giảm.Việc phân tích và bóc tách được đối tượng chuyển động trong ảnh là bước quan trọng xác định điểm nổ và vị trí của nó. Dựa trên đối tượng chuyển động được tách ra và trong khoảng một số khung hình nhất định (thời gian đủ lớn còn tồn tại các đặc trưng của điểm nổ), chúng ta sẽ phân tích thêm các đặc trưng của điểm nổ để đưa ra quyết định chính xác đối tượng chuyển động trong ảnh có là điểm nổ hay không. Các phân tích này sẽ được trình bày trong phần tiếp theo. 2.2. Các tính chất của điểm nổ Sau khi phát hiện được đối tượng chuyển động trong ảnh, cần phải phân tích xem đối tượng đó có phải là điểm nổ hay không dựa trên các phân tích các tính chất lửa và khói trong điểm nổ. 2.2.1 Tính chất lửa trong điểm nổ Lửa là tính chất đầu tiên của điểm nổ mà ta nhìn thấy khi có điểm nổ xuất hiện trên ảnh và vì thế nó là một đặc điểm quan trọng giúp chúng ta phân biệt giữa điểm nổ và đối tượng khác chuyển động trong ảnh. Xét trong không gian màu RGB, điểm ảnh P tại vị trí (x,y) trong ảnh được xem là điểm lửa nếu các luật sau đây được thỏa mãn [4]: Luật 1: R(x,y) > RT (8) Nghiên cứu khoa học công nghệ Tạp chí Nghiên cứu KH&CN Quân sự, Số 30, 04 - 2014 13 Luật 2: R(x,y) ≥ G(x,y) ≥ B(x,y) (9) Luật 3: S ≥( ( 255 - R( x, y ) ) * ST / RT ) (10) trong đó, R(x,y), G(x,y), B(x,y) tương ứng với các thành phần Red, Green, Blue của điểm ảnh;ST và RT lần lượt là các giá trị ngưỡng của kênh màu Red và độ bão hòa (saturation),S là độ bão hòa của toàn ảnh. Nếu cả ba luật trên đồng thời đúng thì điểm đang xét là điểm lửa. Ngược lại điểm đang xét không phải là điểm lửa, Các luật (8), (9) và (10) sẽ được tác giả sử dụng để phân tích tính chất lửa của điểm nổ. 2.2.2 Tính chất khói trong điểm nổ Trong điều kiện phân tích tĩnh, khói thường hiển thị bằng màu xám trong suốt quá trình phát tán của nó. Màu xám đó có thể phân biệt thành hai khu vực mức xám: xám nhạt và xám tối. Điều này cho thấy ba thành phần R, G, B của điểm ảnh khói tương đương nhau. Vì thế, các màu xám này có thể được mô tả với I (cường độ) của không gian màu HSI. Các cường độ của các khu vực màu xám nhạt và màu xám tối trong khoảng từ L1 tới L2 và từ D1 tới D2 các mức xám. Bằng cách phân tích màu sắc, các điều kiện [9]: R ±α = G ±α = B ±α (11) và L1≤ I ≤ L2 và D1 ≤ I ≤ D1 (12) cú thể được sử dụng như một điều kiện để xỏc định khúi. Trong điều kiện ở trên, các giá trị L1 và L2, D1 và D2 phụ thuộc vào các số liệu thống kê thực nghiệm. Khoảng giá trị thông thường là trong khoảng từ 15 tới 20, các giá trị trong khoảng xám nhạt tới xám tối là từ 80 (D1) tới 150 (D2) và 150 (L1) tới 220 (L2). Ba luật được định nghĩa để quyết định điểm ảnh có là điểm khói hay không: Luật 1: R ±α = G ±α = B ±α Luật 2: L1≤ I ≤ L2 Luật 3: D1≤ I ≤ D2 If (Luật 1) AND [(Luật 2) OR (Luật 3)] = TRUE Điểm ảnh là điểm khói Else Điểm ảnh không là điểm khói. Trong điều kiện phân tích động, khói lan ra theo một quá trình khuếch tán. Nhìn chung dòng không khí sẽ ảnh hưởng tới hình dạng của khói, tốc độ di chuyển và hướng di chuyển của các phần tử khói. Dòng không khí sẽ làm thay đổi hình dạng của khói bất cứ lúc nào và dó đó khó có thể đo được hình dạng của nó, một luật nữa được sử dụng trong phân tích khói của điểm nổ: Nếu (SEP / STP) ≥ STD (13) Điểm ảnh là điểm khói thực Ngược lại Điểm ảnh không là điểm khói, trong đó, SEP là tổng của các chu vi của các khu vực khói được phân đoạn, STP là tổng các điểm ảnh khói tách được,STD là ngưỡng thay đổi hỗn loạn để phân biệt với các đối tượng giống khói khác. Tỷ lệ SEP/STP xác định mức độ rối loạn của khói, STD là biến trong các tình huống thay đổi và phục thuộc vào các thực nghiệm dữ liệu tĩnh. 2.3. Một số kết quả thực nghiệm Trên hình 3 là kết quả tách điểm nổ ra khỏi nền ảnh sử dụng thuật toán MOG. Hình 3a là kết quả tách điểm nổ tại khung hình thứ 23, được thể hiện trên 4 cửa sổ: cửa số góc trên- bên trái là ảnh đầu vào, cửa sổ góc trên bên phải là mask của điểm nổ tách được, cửa số góc dưới-bên trái là nền theo thời gian và cửa sổ góc dưới-bên phải là điểm nổ thực được tách. Tương tự hình 3a, hình 3b là kết quả tách điểm nổ tại khung hình thứ 30. Trên hình 4 là kết quả phân tích tính chất lửa trong điểm nổ trong đó ảnh đầu vào ở cửa số bên trái (INPUT) và ảnh điểm lửa được tách ở cửa sổ bên phải (MASK). Trên hình 5 là kết quả Điều khiển & Tự động hóa P. T. Dũng, N. Q. Hùng, L. K.Thành, ”Về một giải pháp tự động xác định xử lý ảnh.” 14 phân tích tính chất khói trong điểm nổ. Cửa số góc trên-bên trái là hình ảnh đầu vào, cửa số góc trên-bên phải là mask của khói tác được, cửa số góc dưới-bên trái là nền theo thời gian, cửa số góc dưới-bên phải là khói thực được tách. Dựa trên các kết quả phân tích chuyển động trong ảnh và kết quả phân tích tích chất lửa và khói trong đối tượng chuyển động ở một khoảng thời gian đủ ngắn, đài quan sát pháo binh có thể đưa ra kết luận về sự tồn tại của điểm nổ và vị trí của nó trong ảnh. Từ các kết quả thực nghiệm cho ta thấy điểm nổ được phát hiện ngay từ khi nó xuất hiện (ở các khung hình 23 đến khung hình 50, với tốc độ 20 hình/giây) đáp ứng được yêu cầu về khả năng phát hiện điểm nổ với thời gian tồn tại ngắn, xảy ra nhanh, khói và lửa khuếch tán nhanh. 3a (frame 23) 3b (frame 30) Hình 3. Dãy ảnh đầu vào (1), nền theo thời gian (3), mask của điểm nổ tách được (2), điểm nô thực được tách (4). Hình 4. Phân tích tính chất lửa: ảnh đầu vào (trái) và các điểm ảnh lửa được tách (phải). Hình 5. Dãy ảnh đầu vào (1), nền theo thời gian (3), mask của khói tách được (2), khói thực được tách (4). Nghiên cứu khoa học công nghệ Tạp chí Nghiên cứu KH&CN Quân sự, Số 30, 04 - 2014 15 3. KếT LUậN Với việc phân tích điểm nổ dựa trên các tính chất chuyển động, khói và lửa bằng các thuật toán xử lý ảnh đã cho phép chúng ta xây dựng được một giải pháp tự động xác định điểm nổ cho đài quan sát pháo binh mặt đất. Các kết quả nghiên cứu cho thấy giải pháp có thể tự động các định điểm nổ nhanh và chính xác, cấu trúc không quá phức tạp, hoàn toàn có khả năng áp dụng trên thực tế. Tài liệu tham khảo [1] Zoran Zivkovic, "Improved Adaptive Gaussian Mixture Model for Background Subtraction," icpr, vol. 2, pp.28-31, 17th International Conference on Pattern Recognition (ICPR'04) - Volume 2, 2004. [2] T. Celik, H. Demirel, H. Ozkaramanli, M. Uyguroglu, "Fire detection using statistical color model in video sequences", Journal of Visual Communication and Image Representation (2007) 176-185. [3] T. H. Chen, C. L. Kao and S. M. Chang, "An Intelligent Real-Time Fire-Detection Method Based on Video Processing,"in Proceedings of the IEEE 37th Annual (2003) International Carnahan Conference on Security Technology, pp. 104-111,2003. [4] Turgay Celik, Huseyin Ozkaramanly, and Hasan Demirel, “Fire and smoke detection without sensors: Image processing based approach”, in 15th European Signal Processing Conference (EUSIPCO 2007), Poznan, Poland, September 3-7, 2007, copyright by EURASIP [5] T. H. Chen, P. H. Wu và Y. C. Chiou, “An Early Fire Detection Method Based on Image Processing”, 2004 IEEE International Conference On Image Processing, Singapore, Oct. 2004, pp. 1707-1710. [6] Zhang, Zhengyou, “A Flexible New Techniquefor Camera Calibration,“ Microsoft Research Technical Report, 1999. [7] Tsai, Roger Y., “ A Versatile Camera Calibration Technique for High Accuracy 3D Machine Vision Metrology Using Off the Shelf Cameras and Lenses,” IEEE Journal of Robotics and Automation Vol. RA-3 No 4, 1987, pp.323-346. [8] T.H. Chen, Y.H. Yin, S.F. Huang, and Y.T. Ye. ,”The smoke detection for early fire- alarming system base on video processing,” In Intelligent Information Hiding and Multimedia Signal Processing, 2006. IIH-MSP’06. International Conference on, pages 427-430. IEEE, 2006. ABSTRACT AN AUTOMATIC SOLUSION IN DETECTING EXPLOSION-POINT FOR THE ArTILLERY OBSERVATORY basedON IMAGE PROCESSING TECHNOLOGY This article shows an automatic solution in detecting explosion-point and its application for the artillery observatory based on image processing technology. This solution is able to accurately detect explosion-point which occures in quick and short duration. Keywords: Artillery, Explosion, Fire, Smoke, Image processing. Nhận bài ngày 24 thỏng 01 năm 2013 Hoàn thiện ngày 17 thỏng 02 năm 2014 Chấp nhận đăng ngày 10 thỏng 03 năm 2014 Địa chỉ: * Khoa kỹ thuật điều khiển, Học viện Kỹ thuật quân sự; ** Viện Tự động hóa kỹ thuật quân sự. Email: itacspro@gmail.com , điện thoại 0936298936;