龔勇輝+蔣冠雷+余浩章+陳宜穩(wěn)

摘 要： 該研究為實現(xiàn)發(fā)射場初始段安控電視系統(tǒng)數(shù)字化圖像采集、處理和存儲展開討論。采用形態(tài)學邊緣檢測算法、霍夫變換直線檢測算法和光流法運動檢測算法，利用火箭發(fā)射初始段安控電視錄像進行測試實驗，實現(xiàn)了對發(fā)射場初始段火箭箭體的識別。該研究使用數(shù)字化圖像處理方法對現(xiàn)有的安控電視系統(tǒng)進行有效改進，為安控圖像實時判讀提供了可靠的依據(jù)，并為下一步研究提供了有意義的參考。通過對上述幾種之間的特點和處理所需的時間的比較分析，形態(tài)學邊緣檢測算法的效果優(yōu)于其他兩種方法。

關(guān)鍵詞： 初始段安控圖像； 目標識別； 形態(tài)學邊緣檢測； 霍夫變換； 光流法

中圖分類號： TN911?34 文獻標識碼： A 文章編號： 1004?373X（2014）14?0068?04

Methods of object identification in initial security control images

GONG Yong?hui1， JIANG Guan?lei2， YU Hao?zhang2， CHEN Yi?wen2

（1. Jiuquan Satellite Launch Center， Lanzhou 732750， China； 2. Beijing Institute of Tracking and Telecommunication Technology， Beijing 100094， China）

Abstract： The digitization image acquisition， processing and storage of initial security TV system are discussed in the research. The morphological edge detection algorithm， Hough transform line detection algorithm and optical flow motion detection algorithm are used to perform the testing experiment by means of the rocket initial security control video and to realize the identification of rocket in the initial section. The digital image processing method is adopted to improve the existing security control TV system， which provides a reliable basis for real?time interpretation of security control images and a significant reference for further research. The morphological edge detection algorithm is better than the others according to the comparative analysis on the characteristics and the time needed for image processing of these three methods.

Keywords： initial security control image； target identification； morphology edge detection； Hough transformation； optical flow method

0 引 言

初始段安控用于保證在火箭發(fā)射發(fā)生故障時，保護重要設(shè)施及地面人員的安全，使人身傷亡、財產(chǎn)損失及國際影響減至最小。目前現(xiàn)有的發(fā)射場系統(tǒng)中，安控電視是火箭發(fā)射初始段安控判決的重要信息源，為安控指揮員判斷和采取相應(yīng)措施提供依據(jù)，對保障發(fā)射任務(wù)的安全順利進行具有極其重要的意義。

本文使用數(shù)字圖像處理技術(shù)將安控電視任務(wù)畫面以數(shù)字圖像的方式進行采集、存儲和處理，實現(xiàn)對發(fā)射場初始段火箭箭體的識別、捕捉。特別是針對火箭發(fā)射初始段離開塔架以及火箭發(fā)生偏飛時的數(shù)字圖像處理技術(shù)進行研究分析，為發(fā)射場后續(xù)安控電視系統(tǒng)的進一步改造提供參考。

1 安控電視系統(tǒng)現(xiàn)狀及研究方案

中心安控電視系統(tǒng)自20世紀90年代初投入使用至今，其使用的輔助判決方案是簡單地將安控電視視頻上疊加顯示一個安控管道的圖層，依靠人眼識別視頻中的火箭發(fā)射初始段位置，來判斷是否提供輔助安控判決信息。此方案受天氣條件影響，所攝得的火箭發(fā)射初始段飛行景象并不清楚，箭體的顏色與天空的背景色相近，要想人工辨別火箭在飛行中的情況有較大的難度。且使用攝錄機和磁帶式編錄機采集存儲圖像，處理回放均不方便。

基于上述現(xiàn)狀，本研究采用商業(yè)級CMOS數(shù)字式攝像頭，使用USB 2.0接口與電腦連接，編寫有關(guān)接口和算法程序，比較分析了形態(tài)學邊緣檢測算法、霍夫變換直線檢測算法和光流法運動檢測算法在安控電視系統(tǒng)上的應(yīng)用效果，其工作流程如圖1所示[1?2]。

圖1 安控圖像數(shù)字處理方法流程圖

2 視頻預(yù)處理與目標檢測方法

2.1 預(yù)處理方法

在獲得火箭發(fā)射初始段視頻幀后，為了節(jié)省對圖像中火箭位置進行檢測識別所需的計算時間，此處并不對全圖進行計算處理，而是設(shè)計一個識別計算區(qū)域，在對其進行灰度和二值化處理，得到經(jīng)過預(yù)處理后的部分區(qū)域圖像，以減少計算量[3]。在Matlab中，可以使用rgb2gray和im2bw命令以實現(xiàn)灰度和二值化處理，其中二值化的閾值通過graythresh命令獲得。

在某些特定的時間窗口發(fā)射火箭時，攝像機有可能受到太陽光線的影響，此時需要使用均值濾波以平衡光強。圖2中為受到太陽光影響下使用霍夫變換直線檢測進行火箭箭體識別的結(jié)果圖。如果不使用均值濾波，則太陽光的亮度將會嚴重的影響二值化的結(jié)果，在Matlab中均值濾波可以用fspecial命令實現(xiàn)[4]，圖2中右半部分上圖為未使用均值濾波直接灰度和二值化處理后得到的圖像，由于圖像上半部分明顯亮度較高，故識別后的結(jié)果無法達到所需的要求；下半部分為使用均值濾波后進行二值化的結(jié)果。在進行均值濾波后，火箭箭體被較好地檢測了出來。

圖2 均值濾波效果示意圖

2.2 形態(tài)學邊緣檢測法

圖3所示為某火箭發(fā)射中的一幀圖像預(yù)處理的過程，圖中（a）為該幀原始處理區(qū)域圖像顯示效果，（b）為紅色處理區(qū)域中的放大圖像，（c）為經(jīng)過灰度處理和均值濾波所得到的結(jié)果。從圖中可以發(fā)現(xiàn)，由于此時陽光位于攝像頭后方，箭體反光亮度較高，與背景混雜后人眼較難識別，經(jīng)灰度化和均值濾波處理后仍不明顯。此時使用形態(tài)學邊緣檢測算法對其進行處理，（d）～（f）分別為使用Sobel算子，Roberts算子和Canny算子處理得到的結(jié)果，從中可以發(fā)現(xiàn)Sobel算子效果較好。在Matlab中可以使用edge命令實現(xiàn)，該命令中可通過method參數(shù)選擇的算子，thresh參數(shù)設(shè)置閾值，閾值通過graythresh命令獲得[5]。

圖3 邊緣檢測效果示意圖

在進行邊緣檢測后，需要對圖像進行膨脹和邊界處理。其中左圖為使用形態(tài)學中的膨脹圖像的方法（imdilate）處理后的效果，其中火箭箭體部分由圖4中的間斷變成了一個相連接的整體。圖中右側(cè)則為將膨脹后的圖像進行進一步處理，去除與邊界相連接的部分（imclearborder）后得到的效果[6]。

圖4 膨脹和邊界處理結(jié)果

在去除與邊界相連的部分以后，使用bwboundaries命令和regionprops命令即可從圖像中提取出所有封閉圖形的位置、輪廓、型心等信息，獲得火箭的位置信息后，便可以以該位置作為下一視頻幀中處理區(qū)域的中心點，實現(xiàn)對火箭位置的動態(tài)識別。

2.3 霍夫變換直線檢測法

當火箭發(fā)生偏飛和倒飛等特殊情況時，形態(tài)學檢測獲得的火箭箭體圖像可能有較多不連續(xù)的情況發(fā)生，就有可能不能很好地實現(xiàn)對箭體本身的檢測。為模擬火箭發(fā)生偏飛時的情況，將現(xiàn)有的火箭發(fā)射初始段錄像傾斜15°，再使用基于霍夫變化的直線檢測進行處理，如圖5所示。Matlab中提供了較為豐富的基于霍夫變換的命令組，其中houghlines命令還可以得到所獲得直線的中點位置，可以以此作為下一幀圖像處理區(qū)域的中心位置。從圖5中可以發(fā)現(xiàn)，當火箭飛行發(fā)生故障時，即假設(shè)以15°的角度斜向飛行并飛出安全控制區(qū)域時，基于霍夫變換直線檢測的圖像識別方法仍能較好地識別火箭箭體的位置[7]。

圖5 火箭飛行傾斜15°時的霍夫直線檢測效果

2.4 基于Horn?Schunck算法的光流檢測法

在Matlab中，沒有直接可以使用的基于光流算法的圖像處理命令，因此，本研究基于Horn?Schunck算法在Matlab中編寫了用于進行光流計算的程序。由于火箭發(fā)射初始段的圖像運動速度并不高，故此處可以認為滿足圖像灰度一致性假設(shè)，誤差在可接受的范圍內(nèi)[8]。圖6中（a）、（b）為某次發(fā)射中所拍攝的連續(xù)兩幀圖像，（c）、（d）為該兩幀圖像紅色虛線框圖像處理區(qū)域經(jīng)灰度處理后的結(jié)果，（e）為這兩幀圖像進行光流計算結(jié)果?？梢园l(fā)現(xiàn)，火箭箭體位置的光流矢量最大，因此可以以該位置作為下一幀圖像處理區(qū)域的中心位置。

圖6 光流法圖像檢測的相鄰兩幀圖像

3 方法實現(xiàn)與結(jié)果分析

3.1 接口編程實現(xiàn)方法

在Matlab中使用imaqhwinfo命令可實現(xiàn)攝像頭的識別，在該命令返回的結(jié)構(gòu)體攝像頭的相關(guān)信息，包括所支持的分辨率等[9]。使用videoinput命令可完成對攝像頭的初始化，選擇所需使用的分辨率。該命令支持在安裝了多個視頻設(shè)備的情況下選擇多個設(shè)備用于交匯測量等操作。

使用start和getdata等命令啟動攝像頭并且獲得所需要的視頻幀。以一個電扇的轉(zhuǎn)動結(jié)合相鄰兩幀圖像做差（imabsdiff）的方法進行實驗。在圖7中，（a）為當電扇不轉(zhuǎn)時視頻流中的某一幀圖像，（b）為該幀圖像和下一幀圖像做差后得到的結(jié)果；（c）為當電扇轉(zhuǎn)動并左右擺動時的某一幀圖像，（d）做差后得到的結(jié)果。比較（b）和（d）的結(jié)果可以說明所編寫的接口程序能夠正確的識別和操作攝像頭，并從攝像頭所拍攝到的視頻流中截取所需要的圖像用以進行圖像處理。

圖7 視頻流采集風扇實驗結(jié)果圖

3.2 計算時間對比

利用Matlab自帶的tic和toc命令組，可以得到程序運行所需要的時間（Elapsed time）。使用形態(tài)學邊界檢測法，霍夫變換直線檢測法和光流分析法，結(jié)合該命令組可以得到對已有火箭發(fā)射初始段視頻錄像中150幀圖像的處理時間（24 f/s）。每種方法運行5次，其運行時間及平均值結(jié)果如表1所示。

表1 不同處理方法計算時間結(jié)果 s

從表中可以看出使用形態(tài)學邊界檢測法和霍夫變換直線檢測法所處理150幀火箭發(fā)射初始段視頻圖像所需的時間都非常短，平均值分別僅為1.819和1.001。這是由于這兩種方法所使用的都是Matlab圖形處理工具箱中所提供的標準命令，如bwboundaries，regionprops，hough，houghpeaks和houghlines等。按PAL制式24 f/s的視頻顯示幀率，這兩種方法理論上都可以滿足計算時間上的要求（視頻長約5 s）。由于光流分析法使用的是自行編寫的程序，其中包含了大量的迭代循環(huán)，沒能針對Matlab進行很好的優(yōu)化，故在計算所消耗的時間上較前兩種方法有較大的差距，以至還不能滿足視頻顯示的需要。相關(guān)文獻也說明了光流法進行實時圖像處理時效率不高的問題[10]。雖然光流法暫時不適用于圖像的實時檢測識別處理，但仍可用于圖像事后處理或跳幀準實時處理。

3.3 算法識別效果對比

圖8所示為針對同一幀圖像，使用前文所述三種不同算法所得結(jié)果的比較。其中（a）為原始圖像中的識別處理區(qū)域經(jīng)過灰度處理后的結(jié)果，（b）為形態(tài)學邊緣檢測得到的結(jié)果，（c）為霍夫直線變換檢測得到的結(jié)果，（d）為光流法得到的結(jié)果。這三種方法均能實現(xiàn)對發(fā)射場火箭發(fā)射初始段空中飛行火箭位置的識別。

圖8 火箭升空后三種處理方法處理效果對比

圖9為火箭從塔架上點火發(fā)射時的場景，火箭識別處理區(qū)域中的背景相對于已升空的火箭背景較為復雜，存在火箭尾焰、塔架和地平線等其他物體的干擾。其中：（a）為處理區(qū)域經(jīng)過灰度處理后的結(jié)果；（b）為形態(tài)學邊緣檢測得到的結(jié)果；（c）為霍夫直線變換檢測得到的結(jié)果；（d）為光流法得到的結(jié)果。從圖中可以看出此時將灰度處理后的圖像直接進行光流計算和霍夫直線檢測取得的效果都不佳，使用形態(tài)學檢測，再配合膨脹、邊界處理和形狀匹配，可以獲得較好的效果。

4 結(jié) 語

本研究針對數(shù)字圖像處理技術(shù)在火箭發(fā)射初始段安控電視系統(tǒng)中的應(yīng)用展開了研究，搭建了基于CMOS數(shù)字式攝像頭的硬件平臺，使用Matlab編寫了相關(guān)程序，研究表明：

（1） Matlab可以方便有效地獲取視頻流中圖像用于后續(xù)處理。在預(yù)處理過程中，使用了灰度化，二值化，均值濾波等手段，均值濾波可以有效地解決光強分布不均所造成的影響；

（2） 在火箭剛從塔架起飛時，由于地面物體等干擾，形態(tài)學邊緣檢測方法對目標的識別效果較好，同時Sobel算子的邊緣檢測效果好于Canny算子和Roberts算子；

（3） 火箭起飛后在空中飛行時，本文所討論的三種數(shù)字圖像檢測方法均能較好地識別火箭箭體；

（4） 形態(tài)學邊緣檢測方法和霍夫變換直線檢測方法速度較快，光流法由于Matlab圖像工具箱不提供直接支持，運行速度較慢，算法有待進一步優(yōu)化。

圖9 火箭發(fā)射時三種處理方法處理效果對比

參考文獻

[1] NAGAOKA Naomi， OKAZAKI Keita， SUGAHARA Tatsuya， et al. Grouping method based on feature matching for tracking and recognition of complex objects [C]// 2008 International Symposium on Intelligent Signal Processing and Communication Systems. Bangkok， Thailand： IEEE， 2009： 1?4.

[2] SALMANE H， RUICHEK Y， KHOUDOUR L. Gaussian propagation model based dense optical flow for objects tracking [C]// 2012 ICIAR. San Francisco， USA： Springer， 2012： 67?73.

[3] 雷珺.基于視頻的運動信息分析與處理及其應(yīng)用研究[D].杭州：浙江大學，2004.

[4] 汪惠蘭，林航飛，李賠龍.基于Matlab實時運動目標跟蹤檢測系統(tǒng)[J].計算機安全，2012（3）：17?20.

[5] 雷治軍，林曉.用Matlab讀取數(shù)字視頻的方法研究[J].福建電腦，2011（3）：6?7.

[6] 張小磊.圖像邊緣處理技術(shù)方法的研究及應(yīng)用[D].南京：南京信息工程大學，2009.

[7] 劉春閣.基于霍夫變換的直線提取與匹配[D].阜新：遼寧工程技術(shù)大學，2009.

[8] 王暉.視頻圖像的光流計算方法研究[D].長沙：國防科學技術(shù)大學，2007.

[9] 李瑛，梁文棟，高偉.基于Matlab 6.1目標跟蹤算法驗證實現(xiàn)[J].科學技術(shù)與工程，2006，10（6）：3207?3208.

[10] XIE Jian?bin， WANG Hui， CHENG Jiang?hua， et al. Optical flow computation method based on HS constraint and outline condition [J]. Systems Engineering and Electronics， 2009， 4（31）： 761?763.

[11] 宋會玲，張萍，曾維亮.大推力姿控發(fā)動機推進劑控制閥流場分析[J].火箭推進，2013（6）：19?22.

[12] 李鵬，梁樹強.姿控動力裝置仿真模擬器研制[J].火箭推進，2012（6）：5?7.

3.3 算法識別效果對比

圖8所示為針對同一幀圖像，使用前文所述三種不同算法所得結(jié)果的比較。其中（a）為原始圖像中的識別處理區(qū)域經(jīng)過灰度處理后的結(jié)果，（b）為形態(tài)學邊緣檢測得到的結(jié)果，（c）為霍夫直線變換檢測得到的結(jié)果，（d）為光流法得到的結(jié)果。這三種方法均能實現(xiàn)對發(fā)射場火箭發(fā)射初始段空中飛行火箭位置的識別。

圖8 火箭升空后三種處理方法處理效果對比

圖9為火箭從塔架上點火發(fā)射時的場景，火箭識別處理區(qū)域中的背景相對于已升空的火箭背景較為復雜，存在火箭尾焰、塔架和地平線等其他物體的干擾。其中：（a）為處理區(qū)域經(jīng)過灰度處理后的結(jié)果；（b）為形態(tài)學邊緣檢測得到的結(jié)果；（c）為霍夫直線變換檢測得到的結(jié)果；（d）為光流法得到的結(jié)果。從圖中可以看出此時將灰度處理后的圖像直接進行光流計算和霍夫直線檢測取得的效果都不佳，使用形態(tài)學檢測，再配合膨脹、邊界處理和形狀匹配，可以獲得較好的效果。

4 結(jié) 語

本研究針對數(shù)字圖像處理技術(shù)在火箭發(fā)射初始段安控電視系統(tǒng)中的應(yīng)用展開了研究，搭建了基于CMOS數(shù)字式攝像頭的硬件平臺，使用Matlab編寫了相關(guān)程序，研究表明：

（1） Matlab可以方便有效地獲取視頻流中圖像用于后續(xù)處理。在預(yù)處理過程中，使用了灰度化，二值化，均值濾波等手段，均值濾波可以有效地解決光強分布不均所造成的影響；

（2） 在火箭剛從塔架起飛時，由于地面物體等干擾，形態(tài)學邊緣檢測方法對目標的識別效果較好，同時Sobel算子的邊緣檢測效果好于Canny算子和Roberts算子；

（3） 火箭起飛后在空中飛行時，本文所討論的三種數(shù)字圖像檢測方法均能較好地識別火箭箭體；

（4） 形態(tài)學邊緣檢測方法和霍夫變換直線檢測方法速度較快，光流法由于Matlab圖像工具箱不提供直接支持，運行速度較慢，算法有待進一步優(yōu)化。

圖9 火箭發(fā)射時三種處理方法處理效果對比

參考文獻

[1] NAGAOKA Naomi， OKAZAKI Keita， SUGAHARA Tatsuya， et al. Grouping method based on feature matching for tracking and recognition of complex objects [C]// 2008 International Symposium on Intelligent Signal Processing and Communication Systems. Bangkok， Thailand： IEEE， 2009： 1?4.

[2] SALMANE H， RUICHEK Y， KHOUDOUR L. Gaussian propagation model based dense optical flow for objects tracking [C]// 2012 ICIAR. San Francisco， USA： Springer， 2012： 67?73.

[3] 雷珺.基于視頻的運動信息分析與處理及其應(yīng)用研究[D].杭州：浙江大學，2004.

[4] 汪惠蘭，林航飛，李賠龍.基于Matlab實時運動目標跟蹤檢測系統(tǒng)[J].計算機安全，2012（3）：17?20.

[5] 雷治軍，林曉.用Matlab讀取數(shù)字視頻的方法研究[J].福建電腦，2011（3）：6?7.

[6] 張小磊.圖像邊緣處理技術(shù)方法的研究及應(yīng)用[D].南京：南京信息工程大學，2009.

[7] 劉春閣.基于霍夫變換的直線提取與匹配[D].阜新：遼寧工程技術(shù)大學，2009.

[8] 王暉.視頻圖像的光流計算方法研究[D].長沙：國防科學技術(shù)大學，2007.

[9] 李瑛，梁文棟，高偉.基于Matlab 6.1目標跟蹤算法驗證實現(xiàn)[J].科學技術(shù)與工程，2006，10（6）：3207?3208.

[10] XIE Jian?bin， WANG Hui， CHENG Jiang?hua， et al. Optical flow computation method based on HS constraint and outline condition [J]. Systems Engineering and Electronics， 2009， 4（31）： 761?763.

[11] 宋會玲，張萍，曾維亮.大推力姿控發(fā)動機推進劑控制閥流場分析[J].火箭推進，2013（6）：19?22.

[12] 李鵬，梁樹強.姿控動力裝置仿真模擬器研制[J].火箭推進，2012（6）：5?7.

3.3 算法識別效果對比

圖8所示為針對同一幀圖像，使用前文所述三種不同算法所得結(jié)果的比較。其中（a）為原始圖像中的識別處理區(qū)域經(jīng)過灰度處理后的結(jié)果，（b）為形態(tài)學邊緣檢測得到的結(jié)果，（c）為霍夫直線變換檢測得到的結(jié)果，（d）為光流法得到的結(jié)果。這三種方法均能實現(xiàn)對發(fā)射場火箭發(fā)射初始段空中飛行火箭位置的識別。

圖8 火箭升空后三種處理方法處理效果對比

圖9為火箭從塔架上點火發(fā)射時的場景，火箭識別處理區(qū)域中的背景相對于已升空的火箭背景較為復雜，存在火箭尾焰、塔架和地平線等其他物體的干擾。其中：（a）為處理區(qū)域經(jīng)過灰度處理后的結(jié)果；（b）為形態(tài)學邊緣檢測得到的結(jié)果；（c）為霍夫直線變換檢測得到的結(jié)果；（d）為光流法得到的結(jié)果。從圖中可以看出此時將灰度處理后的圖像直接進行光流計算和霍夫直線檢測取得的效果都不佳，使用形態(tài)學檢測，再配合膨脹、邊界處理和形狀匹配，可以獲得較好的效果。

4 結(jié) 語

本研究針對數(shù)字圖像處理技術(shù)在火箭發(fā)射初始段安控電視系統(tǒng)中的應(yīng)用展開了研究，搭建了基于CMOS數(shù)字式攝像頭的硬件平臺，使用Matlab編寫了相關(guān)程序，研究表明：

（1） Matlab可以方便有效地獲取視頻流中圖像用于后續(xù)處理。在預(yù)處理過程中，使用了灰度化，二值化，均值濾波等手段，均值濾波可以有效地解決光強分布不均所造成的影響；

（2） 在火箭剛從塔架起飛時，由于地面物體等干擾，形態(tài)學邊緣檢測方法對目標的識別效果較好，同時Sobel算子的邊緣檢測效果好于Canny算子和Roberts算子；

（3） 火箭起飛后在空中飛行時，本文所討論的三種數(shù)字圖像檢測方法均能較好地識別火箭箭體；

（4） 形態(tài)學邊緣檢測方法和霍夫變換直線檢測方法速度較快，光流法由于Matlab圖像工具箱不提供直接支持，運行速度較慢，算法有待進一步優(yōu)化。

圖9 火箭發(fā)射時三種處理方法處理效果對比

參考文獻

[1] NAGAOKA Naomi， OKAZAKI Keita， SUGAHARA Tatsuya， et al. Grouping method based on feature matching for tracking and recognition of complex objects [C]// 2008 International Symposium on Intelligent Signal Processing and Communication Systems. Bangkok， Thailand： IEEE， 2009： 1?4.

[2] SALMANE H， RUICHEK Y， KHOUDOUR L. Gaussian propagation model based dense optical flow for objects tracking [C]// 2012 ICIAR. San Francisco， USA： Springer， 2012： 67?73.

[3] 雷珺.基于視頻的運動信息分析與處理及其應(yīng)用研究[D].杭州：浙江大學，2004.

[4] 汪惠蘭，林航飛，李賠龍.基于Matlab實時運動目標跟蹤檢測系統(tǒng)[J].計算機安全，2012（3）：17?20.

[5] 雷治軍，林曉.用Matlab讀取數(shù)字視頻的方法研究[J].福建電腦，2011（3）：6?7.

[6] 張小磊.圖像邊緣處理技術(shù)方法的研究及應(yīng)用[D].南京：南京信息工程大學，2009.

[7] 劉春閣.基于霍夫變換的直線提取與匹配[D].阜新：遼寧工程技術(shù)大學，2009.

[8] 王暉.視頻圖像的光流計算方法研究[D].長沙：國防科學技術(shù)大學，2007.

[9] 李瑛，梁文棟，高偉.基于Matlab 6.1目標跟蹤算法驗證實現(xiàn)[J].科學技術(shù)與工程，2006，10（6）：3207?3208.

[10] XIE Jian?bin， WANG Hui， CHENG Jiang?hua， et al. Optical flow computation method based on HS constraint and outline condition [J]. Systems Engineering and Electronics， 2009， 4（31）： 761?763.

[11] 宋會玲，張萍，曾維亮.大推力姿控發(fā)動機推進劑控制閥流場分析[J].火箭推進，2013（6）：19?22.

[12] 李鵬，梁樹強.姿控動力裝置仿真模擬器研制[J].火箭推進，2012（6）：5?7.