基于數(shù)字圖像處理的偽裝迷彩評(píng)價(jià)與設(shè)計(jì)

梁軼，殷仕淑，李孟瑩，段智中

（1. 安徽財(cái)經(jīng)大學(xué) 管理科學(xué)與管理工程學(xué)院，安徽 蚌埠 233030；2.安徽財(cái)經(jīng)大學(xué) 統(tǒng)計(jì)與應(yīng)用數(shù)學(xué)學(xué)院，安徽 蚌埠 233030）

基于數(shù)字圖像處理的偽裝迷彩評(píng)價(jià)與設(shè)計(jì)

梁軼1，殷仕淑1，李孟瑩2，段智中2

（1. 安徽財(cái)經(jīng)大學(xué) 管理科學(xué)與管理工程學(xué)院，安徽 蚌埠 233030；2.安徽財(cái)經(jīng)大學(xué) 統(tǒng)計(jì)與應(yīng)用數(shù)學(xué)學(xué)院，安徽 蚌埠 233030）

為了解決迷彩偽裝效果評(píng)價(jià)及迷彩圖案設(shè)計(jì)問(wèn)題，通過(guò)建立基于多指標(biāo)灰色聚類算法的偽裝效果評(píng)價(jià)模型，對(duì)迷彩的偽裝原理進(jìn)行探究。然后利用圖像分割技術(shù)、小波紋理分析等多種數(shù)字圖像處理方法，綜合使用Matlab、Photoshop等軟件，設(shè)計(jì)一款適用于多種背景環(huán)境下的新型迷彩樣式。最后運(yùn)用所建立評(píng)價(jià)模型進(jìn)行偽裝效果的檢測(cè)。

迷彩偽裝；灰色聚類；圖像分割；小波分析；Matlab

迷彩偽裝是士兵和軍事裝備保護(hù)自我的重要實(shí)施辦法。由于現(xiàn)代戰(zhàn)爭(zhēng)的特點(diǎn)是戰(zhàn)線模糊，突然性極強(qiáng)，并且目標(biāo)的活動(dòng)范圍不斷擴(kuò)大，對(duì)于迷彩偽裝而言，在自然背景的差異上也表現(xiàn)出快速多變性［1］。因此，設(shè)計(jì)出一款在多種背景環(huán)境下均有較好偽裝效果的迷彩樣式具有重要意義。

近年來(lái)，針對(duì)迷彩偽裝效果評(píng)價(jià)問(wèn)題，國(guó)內(nèi)報(bào)告主要利用歐式距離、斑點(diǎn)特性、灰度直方圖分析等方法，這些方法普遍存在指標(biāo)單一的問(wèn)題。本文選取亮度對(duì)比、顏色特征、紋理特征和斑點(diǎn)尺寸建立評(píng)價(jià)指標(biāo)體系，利用灰色聚類算法建立迷彩偽裝效果綜合評(píng)價(jià)模型。

該文利用數(shù)字圖像處理技術(shù)，提取多種地形的背景主色和斑紋特征的信息，并運(yùn)用Matlab軟件，使用FFT等算法，設(shè)計(jì)出新型迷彩樣式，并運(yùn)用上述模型進(jìn)行偽裝效果的檢驗(yàn)。

1　偽裝效果評(píng)價(jià)指標(biāo)體系的建立

為了對(duì)迷彩的偽裝效果進(jìn)行分析，根據(jù)人眼視覺(jué)機(jī)制并考慮典型性和全面性的設(shè)計(jì)原則［2］選取了亮度對(duì)比、顏色特征、紋理特征和斑點(diǎn)尺寸作為評(píng)價(jià)指標(biāo)。利用信息熵評(píng)價(jià)所獲系統(tǒng)信息的有序度及其效用來(lái)確定指標(biāo)權(quán)重［2］。從而構(gòu)建一套較為完整、合理的評(píng)價(jià)指標(biāo)體系。

1.1評(píng)價(jià)指標(biāo)的提取

評(píng)價(jià)指標(biāo)的構(gòu)建是整個(gè)偽裝效果評(píng)價(jià)體系的基礎(chǔ)。評(píng)價(jià)指標(biāo)的選擇及量化方法的好壞直接關(guān)系到迷彩偽裝效果評(píng)價(jià)結(jié)果。本文綜合選取了亮度、顏色、紋理和斑點(diǎn)尺寸4個(gè)特征作為評(píng)價(jià)指標(biāo)，下面分別介紹評(píng)價(jià)指標(biāo)的提取方法。

1.1.1亮度對(duì)比

亮度是人眼接觸的最直接刺激，是能否引起視覺(jué)注意的重要因素［2］。選用Lab顏色模型，其中L為亮度。建立亮度對(duì)比公式如下：

式中：Li'為背景模型i的亮度；Lij為i地形迷彩中的第j中斑紋的亮度。

1.1.2顏色特征

顏色特征是事物的一個(gè)比較重要的視覺(jué)屬性［3］，將圖像利用RGB顏色模型表示，為每一個(gè)像素的RGB分量分配一個(gè)0～255范圍內(nèi)的灰度值，分別統(tǒng)計(jì)R、G、B 3個(gè)分量的各灰度值k出現(xiàn)的頻率，記為Prk、Pgk、Pbk。通過(guò)顏色直方圖構(gòu)建顏色直方圖特征矢量來(lái)表征圖像的顏色特征。并構(gòu)建灰度直方圖特征矢量Hk= ［Prk， Pgk， Pbk］。假設(shè)在同等亮度下偽裝目標(biāo)和背景圖像分別為M和N，通過(guò)兩個(gè)圖像的灰度直方圖來(lái)度量偽裝目標(biāo)和背景顏色特性的相似性，度量方式可表示為：

1.1.3紋理特征

紋理特征是一種不依賴于顏色或亮度的能清晰反映圖像中同質(zhì)現(xiàn)象的重要特征。由于紋理是由灰度分布在空間位置上反復(fù)出現(xiàn)而形成的，因而在圖像空間中相隔某距離的兩象素之間會(huì)存在一定的灰度關(guān)系，即圖像中灰度的空間相關(guān)特性。因此我們采用灰度共生矩陣來(lái)進(jìn)行圖像的紋理分析。

利用Manhattan距離計(jì)算迷彩圖像和背景圖像的紋理相似度S = D （x， y），得到的結(jié)果越小說(shuō)明兩幅圖像的紋理特征越接近。Manhattan距離計(jì)算公式為

1.1.4斑點(diǎn)尺寸

為了探究斑點(diǎn)尺寸對(duì)偽裝效果的影響，采用基于小波分解的多尺度特征描述分析方法。通過(guò)對(duì)原始圖像進(jìn)行FFT，添加高斯白噪聲，略去圖像的具體細(xì)節(jié)。由于低頻子帶反映的是對(duì)圖像的低頻信息，對(duì)視覺(jué)比較重要， 提取小波分析后圖像的低頻分量進(jìn)行紋理分析，這樣可以較好地反應(yīng)迷彩圖案斑點(diǎn)尺寸的特點(diǎn)。通過(guò)對(duì)迷彩圖案和背景圖案的低頻分量紋理分析，比較其紋理相似度，從而得出斑點(diǎn)尺寸對(duì)迷彩圖案?jìng)窝b效果的影響。

1.2評(píng)價(jià)指標(biāo)權(quán)重的確定

假設(shè)在模型中有m個(gè)對(duì)象n個(gè)評(píng)價(jià)指標(biāo)構(gòu)成的評(píng)價(jià)體系，則由這m個(gè)對(duì)象n個(gè)指標(biāo)構(gòu)成了一個(gè)初始矩陣。設(shè)其原始信息矩陣為X = （xij）m×n，對(duì)原始數(shù)據(jù)作標(biāo)準(zhǔn)化處理，得到規(guī)范矩陣Y = （yij）m×n，其中i = 1， 2，…， m； j = 1， 2， …， n 。

計(jì)算第j個(gè)指標(biāo)下第i個(gè)對(duì)象的數(shù)值比重：

計(jì)算第j個(gè)指標(biāo)的信息熵值ej：

對(duì)于第j個(gè)指標(biāo)，指標(biāo)值xij的差異越大，對(duì)方案評(píng)價(jià)的權(quán)重作用越大，因而熵值就越?。?］。

則指標(biāo)的權(quán)重：

2　迷彩偽裝效果評(píng)價(jià)模型的建立

以某林地圖像（見(jiàn)圖1）作為實(shí)驗(yàn)背景環(huán)境為例，通過(guò)建立模型對(duì)5種典型的迷彩樣式（見(jiàn)圖2）進(jìn)行偽裝效果的分析。

圖2　典型迷彩樣式

2.1模型的準(zhǔn)備

根據(jù)已建立的指標(biāo)體系，運(yùn)用Matlab、Photoshop等軟件提取圖像數(shù)字特征（以背景圖像為例）。背景圖像在R、G、B分量上的灰度直方圖如圖3所示。

圖3　背景圖像的灰度直方圖

對(duì)背景圖像取左上角部分進(jìn)行斑點(diǎn)尺寸的分析，先添加高斯噪聲，然后通過(guò)小波分析提取低頻重構(gòu)圖像，結(jié)果見(jiàn)圖4。

圖4　斑點(diǎn)尺寸分析圖像結(jié)果

對(duì)5種典型迷彩樣式進(jìn)行相似處理，對(duì)每種指標(biāo)進(jìn)行分析可得求解結(jié)果。

表1　亮度對(duì)比

表2　顏色特征

表3　斑紋特征

表4　斑點(diǎn)尺寸

2.2綜合評(píng)價(jià)模型的建立

1）設(shè)指標(biāo)評(píng)價(jià)體系U，令亮度對(duì)比u1，顏色特征u2，紋理特征u3，斑點(diǎn)尺寸u4，即U = （u1， u2， u3，u4）。

2）針對(duì)偽裝性能指標(biāo)大小的不一致性，避免灰色聚類決策不適用與聚類指標(biāo)意義且不同指標(biāo)的評(píng)價(jià)值在量綱上懸殊較大的問(wèn)題，采用等測(cè)度法對(duì)原始數(shù)據(jù)進(jìn)行處理。

若k目標(biāo)下效果樣本值越大越好，則：

若k目標(biāo)下效果樣本值越小越好，則：

3）根據(jù)偽裝效果評(píng)價(jià)的要求確定4個(gè)灰類，從而建立評(píng)價(jià)等級(jí)V = ｛優(yōu)，良，一般，差｝。按照性能指標(biāo)和灰類數(shù)，確定j指標(biāo)k子類白化權(quán)函數(shù)［5］，（ j=1， 2， …， n； k=1， 2，…， s）（見(jiàn)圖5）。

圖5　三角白化權(quán)函數(shù)

4）確定指標(biāo)權(quán)重w =（0.256， 0.2668， 0.1785，0.2988）。

由以上綜合評(píng)價(jià)模型，經(jīng)計(jì)算得樣式4和5的偽裝效果為優(yōu)，樣式2和3的偽裝效果為良，樣式1的偽裝效果為差，且樣式5 ＞ 樣式4 ＞ 樣式2 ＞ 樣式3 ＞ 樣式1。

3　新型迷彩樣式的設(shè)計(jì)及效果檢驗(yàn)

通過(guò)提取多種典型背景的圖像特征，分別從顏色和斑紋的角度，綜合設(shè)計(jì)一款適用于多種背景環(huán)境的迷彩樣式，并利用上述的評(píng)價(jià)模型進(jìn)行偽裝效果的檢驗(yàn)。

3.1迷彩樣式的設(shè)計(jì)思路

偽裝迷彩圖案的設(shè)計(jì)關(guān)鍵在于迷彩顏色的選取以及迷彩圖案紋理的設(shè)計(jì)，而選擇偽裝色與偽裝紋理的關(guān)鍵在于背景環(huán)境的顏色與圖案。本文選取了3種常見(jiàn)背景環(huán)境（見(jiàn)圖6）：沙漠環(huán)境，叢林環(huán)境，海洋環(huán)境。

圖6　3種常見(jiàn)背景圖像

對(duì)3種背景環(huán)境進(jìn)行數(shù)據(jù)分析，提取相應(yīng)信息，并利用相應(yīng)軟件重構(gòu)通用偽裝迷彩圖像，具體算法流程見(jiàn)圖7。

圖7　迷彩設(shè)計(jì)算法流程

3.2具體迷彩的設(shè)計(jì)流程

該文采用基于量化顏色直方圖的背景主要顏色紋理信息提取方法，逐一對(duì)背景圖像進(jìn)行分析：

1）對(duì)迷彩顏色的提取

對(duì)背景圖像進(jìn)行定位以及去噪處理，在去噪后的圖像中獲得3種背景圖像的顏色信息（見(jiàn)圖8），運(yùn)用Matlab軟件，按照顏色相似性計(jì)算生成迷彩主色（見(jiàn)圖9）。

圖8　背景圖像的顏色信息

圖9　迷彩主色

2）迷彩紋理的提取

主要采用圖像分割技術(shù)與小波紋理分析［6］，分析背景環(huán)境的斑點(diǎn)紋理特征及大小，同時(shí)利用基于區(qū)域邊緣檢測(cè)的方法［7］，利用Matlab及迷彩輔助作圖工具可以得出迷彩的紋理斑點(diǎn)（見(jiàn)圖10）。

圖10　迷彩紋理

圖11　新型迷彩樣式

3）迷彩樣式的合成

綜合所得迷彩的樣色特征，對(duì)設(shè)計(jì)好的迷彩紋理首先進(jìn)行紋理映射［8］，產(chǎn)生預(yù)覽效果（見(jiàn)圖11）。

4　結(jié)束語(yǔ)

該文從迷彩圖像的多個(gè)指標(biāo)特征入手，綜合運(yùn)用灰色共生矩陣、Manhattan距離、小波分析等方法，建立了基于多指標(biāo)的灰色聚類算法綜合評(píng)價(jià)模型，得出了各樣本的偽裝效果的優(yōu)劣排序。然后利用圖像分割技術(shù)，區(qū)域邊緣檢測(cè)等方法，通過(guò)提取3種常見(jiàn)背景圖像的背景主色和斑紋特征的信息，運(yùn)用Matlab及相關(guān)軟件設(shè)計(jì)出一款在多種環(huán)境背景下均有良好偽裝效果的新型迷彩樣式。

［1］ 閆飛. 偽裝迷彩的背景主色提取算法研究［D］. 西安： 西安工業(yè)大學(xué)， 2011.

［2］ 王展， 顏云輝， 焦學(xué)勇. 基于灰色理論的迷彩偽裝多指標(biāo)綜合評(píng)價(jià)［J］.兵工學(xué)報(bào)，2013（10）：1250-1257.

［3］ Xie H， Ortega A.Feature representation and compression for content-based retrieval［C］∥Proceedings of SPIE the International Society for Optical Engineering.Los Angeles；SPIE， 2001， 431：111-122.

［4］ Hsu TH，Lin TZ.QFD with fuzzy and entropy weight for evaluating retail customer values ［J］.Total Quality Management &Business Excellence， 2006（7）：935-958.

［5］ 王化中， 強(qiáng)鳳嬌. 三角白化權(quán)函數(shù)灰色聚類決策下中小企業(yè)信用評(píng)價(jià)模型構(gòu)建［J］. 中小企業(yè)研究， 2014（4）：89-92.

［6］ 寧順剛. 基于紋理分析的迷彩設(shè)計(jì)研究［D］. 西安： 西安工業(yè)大學(xué)， 2010.

［7］ 楊武俠. 偽裝迷彩的斑點(diǎn)設(shè)計(jì)方法研究［D］. 西安： 西安工業(yè)大學(xué)， 2011.

［8］ 孫亞超. 計(jì)算機(jī)輔助迷彩圖案生成［D］. 杭州： 浙江大學(xué)，2008.

Camoufl age Evaluation and Design Based on Digital Image Processing

LIANG Yi1， YIN Shishu1， LI Mengying2， DUAN Zhizhong2
（1.School of Management Science and Management Engineering， Anhui University of Finance and Economics，Bengbu Anhui 233030， China； 2. School of Statistics and Applied Mathematics， Anhui University of Finance and Economics， Bengbu Anhui 233030， China）

In order to solve camoufl age evaluation and camoufl age pattern design issues， camoufl age principles are studied through establishing a new comprehensive model which uses many camoufl age evaluation indexes based on gray clustering theory. Then a new camoufl age pattern is designed through a variety of digital image processing methods such as wavelet texture analysis， image segmentation by Matlab and Photoshop. Finally， camoufl age effect using the established evaluation model is tested.

camoufl age； grey clustering； image segmentation； wavelet analysis； Matlab

E951.4

A

1674 - 9200（2015）06 - 0074 - 05

（責(zé)任編輯 劉常福）

2015 - 03 - 19

國(guó)家自然科學(xué)基金項(xiàng)目“離散小波濾波器組的優(yōu)化設(shè)計(jì)與無(wú)乘子實(shí)現(xiàn)”（61102118）。

梁 軼，安徽財(cái)經(jīng)大學(xué)管理科學(xué)與管理工程學(xué)院2012級(jí)本科生。

殷仕淑，安徽財(cái)經(jīng)大學(xué)管理科學(xué)與管理工程學(xué)院副教授，博士，E-mail:yin_shishu@163.com。