數(shù)字迷彩的偽裝效果評價

喻　鈞，代　軍，胡志毅，王占峰，張　強

(1.西安工業(yè)大學 計算機科學與工程學院，西安 710021；2.總后勤部建筑工程研究所，西安 710032)

?

數(shù)字迷彩的偽裝效果評價

喻鈞1，代軍1，胡志毅2，王占峰2，張強1

(1.西安工業(yè)大學 計算機科學與工程學院，西安 710021；2.總后勤部建筑工程研究所，西安 710032)

針對迷彩偽裝效果的評價問題，提出一種在多特征指標下進行偽裝效果評價的方法.根據(jù)數(shù)字迷彩圖案的特征選取結構、顏色、紋理和統(tǒng)計等參數(shù)作為評價指標，采用熵權法確定各指標的權值，并計算出偽裝圖像的加權相似度值.實驗結果表明：文中方法實現(xiàn)了對偽裝圖像和背景圖像相似程度的定量評價，客觀地反映出在不同背景下各特征指標對迷彩偽裝效果的影響.

數(shù)字迷彩；偽裝效果；特征相似度；熵權法

偽裝與軍事偵察之間的斗爭是圍繞目標與背景的差別來進行的，目標與背景之間存在的差別是目標暴露的根本原因[1].迷彩偽裝作為最基本的軍事偽裝技術，他的實質就是讓偽裝目標與背景高度融合，達到不被暴露的目的.而偽裝效果評價是檢驗偽裝技術好壞的重要參考依據(jù)，是迷彩偽裝設計的重要環(huán)節(jié)，但目前在國內(nèi)還沒有統(tǒng)一的評價方法和標準.

傳統(tǒng)的評價方法采用目測法或借助光學儀器，受主客觀因素影響較大.近年來，國內(nèi)外學者進行了大量的研究和探索.文獻[2]建立了Gabor函數(shù)小波的紋理分析模型，提出基于距離的紋理相似度概念，但需要大量的判讀人員進行紋理區(qū)分，并未擺脫主觀上的不確定性.文獻[3]結合高光譜圖像分辨率較高的特點，計算出光譜特征距離與紋理特征距離，然后取兩者權重的平均值，這種做法在一定程度上降低了評價結果的準確率.文獻[4]通過提取圖像的結構信息，對圖像的質量進行評價.文獻[5]在文獻[4]的基礎上對結構信息作了進一步改進，提出基于HSV顏色空間亮度差的結構相似度評價，得到評價偽裝的識別概率，但識別概率的大小與目標實施偽裝技術的優(yōu)劣有關.文獻[6]綜合圖像的顏色、形狀和紋理特征，根據(jù)這些特征計算出圖像的相似度來評價偽裝的效果，但該方法僅對特定區(qū)域環(huán)境背景有效，缺乏通用性.

因此，文中在汲取上述文獻[2-4]提到的紋理特征、顏色特征和結構特征的基礎上，增加了統(tǒng)計特征[7]，提出一種在多特征指標下進行偽裝效果評價的方法，分析了偽裝圖像的結構、顏色、紋理和統(tǒng)計等指標的相似度計算方法，并對不同典型背景的偽裝效果進行了實驗驗證和分析.

1　偽裝效果評價流程

為全面評價迷彩偽裝的效果，文中提出一種新的評價方法，其流程如下：

① 選取偽裝目標的背景圖像，并進行顏色空間轉換和濾波去噪處理.

② 提取目標的典型特征，采用文獻[8]的迷彩設計方法獲得迷彩圖案.

③ 將生成的迷彩圖案實施至背景圖像的目標區(qū)域，獲得待測偽裝圖像.

④ 計算偽裝圖像四個指標特征的相似度值.設評價指標體系U=(u1,u2,u3,u4)，u1為結構相似度，u2為紋理相似度，u3為顏色相似度，u4為統(tǒng)計相似度.

⑤ 利用熵權法，確定指標權重w=(w1,w2,w3,w4)，其中w1為結構權重系數(shù)，w2為紋理權重系數(shù)，w3為顏色權重系數(shù)，w4為統(tǒng)計權重系數(shù).

⑥ 計算加權相似度作為評價結果.加權相似度值E=(u1*w1+u2*w2+u3*w3+u4*w4)，E∈[0,1]，最終的運算結果被控制在0～1之間.

2　計算特征相似度及權重系數(shù)

相似度是指目標與背景之間顏色、紋理和形狀等特征的差異程度.在進行偽裝評價時,把偽裝后的圖像與原背景圖像進行比較運算,相似度越高說明偽裝效果越好[6].文中選取結構、紋理、顏色和統(tǒng)計四個典型特征作為評價指標.

2.1結構特征

人眼在識別兩幅圖像時，通過提取圖像的結構信息比較出差別.文中在文獻[4]的基礎上加入梯度值因素，提出了基于梯度值的結構相似度算法.設背景圖像x和偽裝圖像y，分別計算出水平方向和垂直方向的邊緣算子的梯度值，二者之和即梯度幅值Gx(i,j)如式(1).則圖像x和y之間的梯度相似度g(x,y)如式(2).

(1)

g(x,y)=

(2)

式中:Gx(i,j),Gy(i,j)分別為圖像x和圖像y在像素(i,j)處的梯度幅值.因此，梯度結構相似度(GS)為

GS=l(x,y)·c(x,y)·g(x,y)

(3)

式中:l(x,y)，c(x,y)，g(x,y)分別代表兩幅圖像的亮度函數(shù)、對比度函數(shù)和梯度相似度函數(shù).基于梯度的結構相似度只能反映兩幅圖像整體的相似情況，不能準確反映每個部分的相似度.因此，先把背景圖像x和偽裝圖像y以同種方法分成M塊，然后分別計算兩幅圖像中每一塊的梯度結構相似度，再求其平均值，其公式為

(4)

2.2紋理特征

紋理是影響迷彩偽裝效果的重要因素之一.文中采用提取圖像小波紋理特征的方法進行紋理分析，并在獲得多維特征矢量的情況下，計算特征矢量距離，以提高評估的準確性.首先，對背景圖像進行一次二維離散小波變換可得cA，cH，cV，cD四個分量，其中cA，cH，cV，cD分別是近似系數(shù)、水平細節(jié)系數(shù)、垂直細節(jié)系數(shù)和對角細節(jié)系數(shù).對這4個分量系數(shù)按照m×m的像素大小分成子塊，然后用cAi，cHi，cVi，cDi來表示圖像空間的第i塊m×m矩陣的4個分量，大小為(m/2)×(m/2).則圖像紋理特征C1、C2、C3的提取公式為

(5)

(6)

(7)

式中:C1為高頻分量與低頻分量的比值；C2為紋理橫向分量與縱向分量的比值；C3為紋理的低頻能量.利用上述算法分別提取背景圖像和偽裝圖像的紋理特征向量，記為p(x1,x2,…,xn)和Q(y1,y2,…,yn).然后，采用明可夫斯基距離作為背景圖像和偽裝圖像的相似度計算，設s為參數(shù)，其公式為

d=(∑|xi-yi|s)(1/s)

(8)

2.3顏色特征

顏色特征是事物比較重要的視覺屬性，是人眼識別圖像的主要感知特征之一.文中基于文獻[5]的基礎上采用一種改進的基于顏色直方圖的計算方法，以此來提取顏色特征的相似度值.設背景圖像x和偽裝圖像y，它們分別由Nx和Ny個像素組成(Nx=Ny).用Di,j表示x中像素i和y中像素j之間顏色上的差異，其計算公式為

(9)

構造由像素對(i,ki)組成的集合S，即S={(i,ki)}，其中i表示x中一個像素，ki表示y中對應的像素，且i和ki具有一一對應的關系.設t是常數(shù)(t=32)，則顏色相似度計算公式為

(10)

f(d)=e-(d/t)2

(11)

2.4統(tǒng)計特征

圖像之間存在細節(jié)信號和統(tǒng)計規(guī)律等信息的差別，統(tǒng)計特征也是影響偽裝效果的因素之一.通過提取不同頻段的能量，得到144維信號特征組成的矩陣，并計算協(xié)方差矩陣和奇異值分解，得到統(tǒng)計特征的相似度[7].設偽裝圖像協(xié)方差矩陣為C1，背景圖像協(xié)方差矩陣為C2，則有

S(C1,C2)=f(F(λ1),…,F(λn))

(12)

式中:S(C1,C2)為協(xié)方差矩陣C1和C2的相似度構成的矩陣;{F(λi)},i= 1,2,…,n為協(xié)方差矩陣C1和C2的第i個特征的相似度.采用奇異值分解法，對相似度矩陣進行分解，使最終結果簡單直觀.根據(jù)奇異值分解理論，任意一個大小為P×Q的矩陣都可以寫成

(13)

式中:U和V分別為P×Q的左奇異陣和Q×Q的右奇異陣，各列向量Ur和Vr互相正交；Q×Q的對角陣∑是A的奇異值矩陣，RA為A的秩.計算由N個值組成的數(shù)組，將數(shù)組中的值相加并進行平均，因此得到的平均值即偽裝圖像與背景圖像之間的相似度.

2.5確定權重系數(shù)

由于各評價指標對偽裝效果的影響不同，本文選擇熵權法確定各指標的權重[9].設評價信息矩陣為X=(xij)m×n，其中xij為第i個對象的第j個指標的數(shù)值(i=1,2,…,m;j=1,2，…,n).對數(shù)據(jù)作標準化處理，得到規(guī)范矩陣Y=(yij)m×n.則第j項指標下第i個對象的數(shù)值比重為

(14)

計算第j項指標的信息熵值ej，如式(15).對于第j項指標，指標值xij差異越大，對方案評價的作用越大，熵值就越小.因此評價指標權重wj為

(15)

(16)

式中：k>0；k=1/lnn；ej≥0.

3　實驗設計與分析

為驗證文中算法的適用性，選擇兩幅差異較大的典型背景圖像(林地型和海洋型)進行實驗驗證和分析.圖1和圖2均包括3個子圖，其中(a)為原始背景圖像；(b)為根據(jù)背景特征生成的迷彩圖案；(c)為實施偽裝后的效果圖像.

從圖1和圖2中可以看出：在林地型背景中，由于林木茂密、山石交錯，紋理特征比較突出，因而紋理特征的相似度值最高，說明紋理特征對林地背景的影響力大；在海洋型背景中，由于海洋的色彩單一，且隨著波浪不斷的變化，紋理也在改變，因而顏色和紋理特征的相似度值比較高，說明顏色和紋理特征對海洋背景的影響力大.本文測出的林地、海洋兩種背景下各相似度值、權重值和加權相似度值見表1.

為使評價結果更加簡便直觀，文中根據(jù)李克特量表對實驗結果進行分級，見表2.加權相似度值越接近1.0，說明相似度越高，發(fā)現(xiàn)概率越低.經(jīng)計算可知，林地和海洋的偽裝圖像加權相似度值分別為0.729 2、0.811 4，對應的相似程度達到“良”、“優(yōu)”，相似度很高，達到了與目標背景充分融合、不易被發(fā)現(xiàn)的目的.

圖1　林地型偽裝效果圖

圖2　海洋型偽裝效果圖

林地背景海洋背景相似度值權重系數(shù)相似度值權重系數(shù)結構特征0.69020.23040.79540.2240紋理特征0.77390.28250.82430.2725顏色特征0.75540.26310.85320.2831統(tǒng)計特征0.68260.22400.75810.2204加權相似度0.72920.8114

表2　偽裝效果分級

4　結 論

1) 文中提出一種基于結構、顏色、紋理和統(tǒng)計四項指標特征的偽裝效果評價方法，相對于傳統(tǒng)的評價方法，多個指標也保證了評價的全面性.各指標權重的分配是根據(jù)該指標對偽裝評價貢獻量的大小，通過熵權法來計算確定的，這確保了評價結果的客觀性和準確性.

2) 文中選擇典型的林地型和海洋型背景進行實驗，分析出了各指標對偽裝效果的影響程度，得出了量化的評價結果.實驗結果表明：采用本文方法可以全面地反映評價的客觀結果，且適用于多種目標背景的偽裝效果評價.

3) 由于目標背景受時間和天氣的影響，會呈現(xiàn)多種復雜的情況，因此，仍需進一步考慮大氣衰減、人眼視覺和光線明暗等因素.

[1]胡江華.偽裝技術[M].北京:國防工業(yè)出版社,2012.

HU Jianghua.Camouflage Technology[M].Beijing:National Defence Industry Press,2012.(in Chinese)

[2]林偉,陳玉華,高洪生,等.基于Gabor小波紋理分析模型的偽裝效果評價方法[J].兵工學報,2007,28(10):1191.

LIN Wei,CHEN Yuhua,GAO Hongsheng,et al.A Method for Camouflage Evaluation Based on Texture Analysis Model of Gabor Wavelet[J].Acta Armamentar,2007,28(10):1191.(in Chinese)

[3]華文深,楊佳,劉恂,等.基于高光譜特征的迷彩偽裝評價[J].應用光學,2013，34(6):964.

HUA Wenshen,YANG Jia,LIU Xun,et al.Camouflage Assessment Based on the Hyperspectral Characteristics[J].Journal of Applied Optics,2013，34(6):964.(in Chinese)

[4]WANG Z,BOVIK A C,SHEIKH H R,et al.Image Quality Assessment:From Error Visibility to Structral Similarity[J].Image Processing IEEE Transactions on，2004,13(4):600.

[5]秦建飛,渠立永,呂振堅,等.數(shù)碼仿造迷彩客觀定量評價[J].指揮控制與仿真,2014(5):55.

QIN Jianfei,QU Liyong,LV Zhenjian,et al.Objective Evaluation Method of Imitation Digital Camouflage[J].Command Control & Simulation,2014,05:55.(in Chinese)

[6]陳宏燁,曾朝陽,沈均平,等.圖像相似度在偽裝評價中的應用[J].光電技術應用,2006，21(5):28.

CHEN Hongye,ZENG Zhaoyang,SHEN Junping.Application of Image Similarity to Camouflage Evaluation[J].Electro-Optic Technology Application,2006,21(5):28.(in Chinese)

[7]WANG Y,MOULIN P.On Discrimination Between Photorealistic and Photographic Images[C]//Proceedings of IEEE International Conference on Acoustics.Toulouse:Speech and Signal Processing,2006:161.

[8]喻鈞,雙曉.仿造數(shù)碼迷彩的設計方法[J].應用科學學報,2012,30(4):331.

YU Jun,SHUANG Xiao.Design of Imitation Digital Camouflage[J].Journal of Applied Sciences,2012,30(4):331.(in Chinese)

[9]HSU T H,LIN T Z.QFD with Fuzzy and Entropy Weight for Evalu-ating Retail Customer Value[J].Total Quality Management & Business Excellence,2006,17(7):935．

(責任編輯、校對肖晨)

DigitalCamouflageEffectEvaluation

YU Jun1,DAI Jun1,HU Zhiyi2,WANG Zhanfeng2,ZHANG Qiang1

(1.SchoolofComputerScienceandEngineering,Xi’anTechnologicalUniversity,Xi’an710021,China;2.ArchitecturalEngineeringInstitute,GeneralLogisticsDepartment,Xi’an710032,China)

Anewevaluationmethodbasedonmulti-characteristicindexispresentedtoevaluatecamouflageeffect.Accordingtothecharacteristicsofdigitalcamouflagepatterns,theirarchitecture,color,textureandstatisticsareselectedastheevaluationindexes.Andthentheentropymethodisemployedtodeterminetheweightofeachindexandtocalculatetheweightedsimilarityvaluesofcamouflageimage.Theexperimentalresultsshowthatthenewmethodhasrealizedthequantitativeevaluationofthesimilaritydegreeofthecamouflageimageandbackgroundimage,reflectingobjectivelytheinfluenceofcharacteristicindexesonthecamouflageeffectinthedifferentbackgrounds.

digitalcamouflage;camouflageeffect;featuresimilarity;entropymethod

10.16185/j.jxatu.edu.cn.2016.07.003

2016-04-06

總后司令部科研項目(BY215C008);陜西省工業(yè)科技攻關項目(2015GY059)

喻鈞(1970-),女,西安工業(yè)大學教授，主要研究方向為圖像處理與模式識別.E-mail:jyu0117@163.com.

中圖號：TP391.4A

1673-9965(2016)07-0528-05