قرائت خودکار یک جایروکامپس تجاری با استفاده از پردازش تصویر و شبکه‌های عصبی

نویسندگان

چکیده

از جایروکامپس در توجیه و نشانه‏روی موشک‌ها، همچنین در تجهیز موضع پرتاب و صحت تجهیز موضع پرتاب برای پیداکردن آزیموت نقاط خاصی استفاده می‏شود. مشاهدات و قرائت در این نوع قطب‌نما به‌صورت چشمی انجام می‌شود که دقت پایین و خطای مشاهداتی را به دنبال دارد. در این مقاله، الگوریتمی ساده برای قرائت خودکار یک قطب‏نمای ژیروسکوپی تجاری، با استفاده از روش‏های مبتنی بر پردازش تصویر دیجیتال و شبکه‏های عصبی، پیشنهاد شده است. در روش پیشنهادی، در ابتدا، با استفاده از تحلیل تفاضل تصاویر متوالی گرفته شده از صفحةنمایشگر قطب‌نمای مورد نظر، قاب برگشتی مشخص می‏شود. در ادامه با استفاده از لبه‌یابی و عملیات انبساط تصویر بر روی قاب برگشتی، ناحیةمورد قرائت استخراج شده، ارقام موجود در این ناحیه تفکیک‌شده و با عبور تک‏تک این ارقام از شبکه‏های عصبی ارقام مورد نظر، بازشناسی می‌شوند. در انتها با تحلیل هندسی موقعیت نسبی صفحةمدرج و شاخص نمایش، زاویةژایروسکوپ با دقت ثانیه قوسی محاسبه می‏شود. استفاده از روش پیشنهادی در مرحلة تشخیص قاب بازگشتی روی 6 قطعه فیلم واقعی و مراحل بعدی آن روی بیش از 300 تصویر واقعی ارزیابی شده است.

کلیدواژه‌ها


عنوان مقاله [English]

Automatic Reading of a Trade Gyrocompass Using Image Processing and Neural Networks

نویسندگان [English]

  • بهمن شهگلی
  • پیمان معلم
  • مسعود کاوش‌تهرانی
  • شهرام پروین‌جهرمی
  • سیدامین حسینی
چکیده [English]

Gyrocompass is used to justify and aim (orient) the missiles; it is used in equipment and accuracy of launch position as well to find azimuth in particular points. Observations and reading in this kind of compass are done optically which suffers from low accuracy and optical illusion. In this paper a simple algorithm is suggested by utilizing methods based on processing digital image and neural networks for automatic reading of a trade

gyrocompass. In the method at first, by analyzing the difference of sequential images taken from the compass display, the back frame is specified. Then the display region is extracted by edge detection and morphology operation. After that the segmented numbers are recognized one by one through the trained neural networks. Finally, the gyrocompass angle is calculated accompanied by accuracy of arc second by geometric analysis of relative position of scaled board and indicated index. The usage of suggested method in the step of back frame recognition has been evaluated on 6 real test video sequences and the next steps have also been evaluated on more than 300 real images.

کلیدواژه‌ها [English]

  • Motion analysis
  • morphology
  • Edge detection
  • Multilayer Perceptron
  • Learning vector quantization