郭忠偉 鄭華利 馬仁安 張少兵

(解放軍炮兵學(xué)院1) 合肥 230031)(63961部隊(duì)2) 北京 100012)

1 引言

在現(xiàn)代戰(zhàn)場(chǎng)上,指揮信息系統(tǒng)把眾多的圖像偵察設(shè)備聯(lián)為一體[1],為指揮員提供了海量的戰(zhàn)場(chǎng)目標(biāo)圖像數(shù)據(jù),指揮信息系統(tǒng)如何從這些圖像數(shù)據(jù)中實(shí)時(shí)、快速挖掘出相關(guān)的圖像或圖像序列,以最快捷的手段找到所需要的目標(biāo),從而有效地獲取戰(zhàn)場(chǎng)信息,已成為一個(gè)重要的課題。在大規(guī)模的戰(zhàn)場(chǎng)圖像數(shù)據(jù)中進(jìn)行挖掘,就目前而言仍然缺乏有效的工作。已有的數(shù)據(jù)挖掘算法和基于文本的檢索方法大多是針對(duì)傳統(tǒng)的關(guān)系數(shù)據(jù)庫(kù)[2],不能直接應(yīng)用于圖像數(shù)據(jù)。因此,戰(zhàn)場(chǎng)圖像的挖掘需要尋求新的方法,而基于戰(zhàn)場(chǎng)目標(biāo)圖像的視覺內(nèi)容[2](比如紋理、顏色、形狀等)進(jìn)行挖掘,則是一個(gè)有益的嘗試。

2 戰(zhàn)場(chǎng)目標(biāo)圖像

戰(zhàn)場(chǎng)目標(biāo)圖像是指通過戰(zhàn)場(chǎng)偵察平臺(tái)所獲得的戰(zhàn)場(chǎng)目標(biāo)偵察圖像[3],包括可見光、微光、激光、紅外等圖像,這些圖像數(shù)據(jù)中包含有許多關(guān)于部隊(duì)部署、重要目標(biāo)、作戰(zhàn)效果、敵軍動(dòng)態(tài)、戰(zhàn)場(chǎng)實(shí)時(shí)環(huán)境等[4]戰(zhàn)場(chǎng)信息。戰(zhàn)場(chǎng)目標(biāo)圖像情報(bào)屬戰(zhàn)術(shù)型情報(bào),與衛(wèi)星遙感圖像等戰(zhàn)略型圖像情報(bào)相比,具有明顯優(yōu)點(diǎn),它周期短、時(shí)效性強(qiáng),能夠持續(xù)偵察,可以完成全天時(shí)、全天候的圖像實(shí)時(shí)偵察,能獲得多角度、全方位的情報(bào)。隨著信息技術(shù)的發(fā)展與廣泛應(yīng)用,在戰(zhàn)場(chǎng)上具有圖像偵察獲取能力的裝備種類和數(shù)量也越來越多,提供的戰(zhàn)場(chǎng)目標(biāo)圖像數(shù)據(jù)也在大規(guī)模增長(zhǎng)。

3 戰(zhàn)場(chǎng)目標(biāo)圖像的紋理特征

紋理是與物體表面材質(zhì)[5]有關(guān)的圖像內(nèi)在特征,可以把紋理描述為:一個(gè)鄰域內(nèi)像素灰度級(jí)變化的空間分布規(guī)律,包括表面結(jié)構(gòu)組織及與周圍環(huán)境關(guān)系的許多重要信息。而紋理的精確定義至今還未給出,一般來說,戰(zhàn)場(chǎng)目標(biāo)圖像紋理就是指在戰(zhàn)場(chǎng)圖像中反復(fù)出現(xiàn)的局部模式和它們的排列規(guī)律。它不能單純的由顏色或密度得到。紋理可以視為某些近似形狀的近似重復(fù)分布,紋理描述的難點(diǎn)在于它與物體形狀之間存在密切的關(guān)系,千變?nèi)f化的物體形狀與嵌套式的分布使紋理的分類變得十分困難。紋理作為圖像的重要屬性,在戰(zhàn)場(chǎng)目標(biāo)圖像中有著較為明顯的體現(xiàn)。

紋理特征分析一直是計(jì)算機(jī)視覺的一個(gè)重要研究方向。紋理的量化方法主要有兩類:即結(jié)構(gòu)方法和統(tǒng)計(jì)方法。結(jié)構(gòu)方法從“紋理是怎樣產(chǎn)生的”觀點(diǎn)出發(fā),認(rèn)為紋理是結(jié)構(gòu),如同漁民編織的魚網(wǎng)一樣,編織什么樣的魚網(wǎng),就有什么樣的紋理。結(jié)構(gòu)復(fù)雜,紋理亦復(fù)雜。根據(jù)這一觀點(diǎn),紋理分析很容易引導(dǎo)到句法結(jié)構(gòu)識(shí)別方法中去。它通常是在已知紋理基元的情況下進(jìn)行的,適用分析像迷彩圖案、磚等花樣排列較規(guī)則的紋理。它假定圖像由較小的紋理基元排列而成,采用句法分析方法,對(duì)圖像中非常具有結(jié)構(gòu)規(guī)律的特征進(jìn)行分析,但只適用于規(guī)則的結(jié)構(gòu)紋理分析;統(tǒng)計(jì)方法從直觀印象出發(fā),認(rèn)為紋理無非是客觀事物給人的印象,所以有心理學(xué)的因素。國(guó)外有人做過視覺心理學(xué)的實(shí)驗(yàn),發(fā)現(xiàn)人眼睛所看到的物體,是光線照于物體,物體表面灰度級(jí)的反應(yīng)?；叶燃?jí)是一個(gè)統(tǒng)計(jì)函數(shù),可以分為一階、二階及高階統(tǒng)計(jì)函數(shù)[6],經(jīng)過分析研究,認(rèn)為人眼看到的是一階及二階統(tǒng)計(jì)函數(shù),人眼覺察不到高于二階的統(tǒng)計(jì)函數(shù)。從這一觀點(diǎn)出發(fā),認(rèn)為紋理分析應(yīng)該采用統(tǒng)計(jì)識(shí)別方法,它是對(duì)圖像的顏色強(qiáng)度的空間分布信息進(jìn)行統(tǒng)計(jì),又可進(jìn)一步分為傳統(tǒng)的基于模型的統(tǒng)計(jì)方法和基于頻譜分析的方法,統(tǒng)計(jì)方法常被用于分析像木紋、沙地、草地等細(xì)而不太規(guī)則的紋理。Haralick等人提出的灰度共生矩陣法就是一種統(tǒng)計(jì)方法,它利用紋理在灰度級(jí)的空間相關(guān)性,先根據(jù)圖像像素間的方向和距離構(gòu)造一個(gè)共生矩陣,再?gòu)闹刑岢鲇幸饬x的統(tǒng)計(jì)數(shù)據(jù)作為紋理的特征表示。頻譜分析方法的依據(jù)是:戰(zhàn)場(chǎng)圖像的頻域能量譜能在一定的程度上反映某些紋理的特征,計(jì)算紋理一定要選窗口,僅一個(gè)點(diǎn)是無紋理可言的,所以紋理是二維的,二維變換的頻譜還能夠描述紋理的粗細(xì)程度。此外還有其它的紋理特征度量方法,如Tamura方法、小波變換方法、Gabor變換方法、LBP方法、Laws紋理方法、分形方法等。

4 戰(zhàn)場(chǎng)目標(biāo)圖像紋理特征的提取

雖然能夠表達(dá)紋理特征的方法有多種,但灰度共生矩陣能夠全面反映戰(zhàn)場(chǎng)目標(biāo)圖像在方向、相鄰間隔、變化幅度方面的綜合信息,是分析圖像局部模式和排列規(guī)則的基礎(chǔ),也是戰(zhàn)場(chǎng)目標(biāo)圖像刻畫紋理特征信息的一種有效方法。因此,這里采用了提取基于灰度共生矩陣的紋理特征。

紋理特征的共生矩陣,即表示圖像灰度級(jí)空間相關(guān)的矩陣。共生矩陣表示圖像中相距(Δx,Δy)的兩個(gè)灰度像素同時(shí)出現(xiàn)的聯(lián)合頻率分布。假設(shè)圖像的灰度級(jí)R,那么共生矩陣為R×R的矩陣,可表示為 M(Δx,Δ y)(h,k),其中位于(h,k)的元素 mhk的值表示一個(gè)灰度為h,而另一個(gè)灰度為k的兩個(gè)相距(Δ x,Δ y)的像素對(duì)出現(xiàn)的次數(shù)。設(shè)S為目標(biāo)區(qū)域A中具有特定空間關(guān)系的像素對(duì)的集合,則共生矩陣CM可以定義為:

其中分子是具有某種空間關(guān)系、灰度值分別為g1,g2的像素對(duì)的個(gè)數(shù),分母為像素對(duì)的總合個(gè)數(shù)(#代表數(shù)量)。

在得到戰(zhàn)場(chǎng)目標(biāo)圖像的灰度共生矩陣的基礎(chǔ)上,可以定義多種有意義的統(tǒng)計(jì)數(shù)據(jù)作為紋理描述符[2],諸如紋理慣性矩、能量、熵、相關(guān)性和均勻性等構(gòu)成戰(zhàn)場(chǎng)目標(biāo)圖像的特征表達(dá),進(jìn)而可計(jì)算出戰(zhàn)場(chǎng)目標(biāo)圖像間的相似度。

1)慣性矩CON

對(duì)于粗紋理戰(zhàn)場(chǎng)圖像由于mhk的數(shù)值較集中于主對(duì)角線附近,此時(shí)(h-k)的值較小,所以相應(yīng)的戰(zhàn)場(chǎng)圖像CON值也較小。相反,對(duì)于細(xì)紋理相應(yīng)的CON值較大。

2)能量ASM

這是一種對(duì)圖像灰度分布均勻性的度量。當(dāng)mhk的數(shù)值分布較集中于主對(duì)角線附近時(shí),其相應(yīng)的ASM值較大;相反,ASM值則較小。

3)熵ENT

當(dāng)灰度共生矩陣中各mhk數(shù)值相差不大且較分散時(shí),ENT值較大;反之,若mhk數(shù)值較集中時(shí),ENT值則較小。

4)相關(guān)量COR

5 戰(zhàn)場(chǎng)目標(biāo)圖像挖掘中的紋理特征匹配

戰(zhàn)場(chǎng)圖像的特征信息被抽取出來后將以向量的形式存放在索引庫(kù)中,向量的每個(gè)值代表戰(zhàn)場(chǎng)圖像的某一個(gè)特征值,這樣一幅戰(zhàn)場(chǎng)圖像的特征就可以用一個(gè)N維特征空間里的向量來表示。同時(shí),查詢向量也可以表達(dá)為特征空間中的點(diǎn),稱為查詢點(diǎn),從而戰(zhàn)場(chǎng)圖像之間的匹配計(jì)算就轉(zhuǎn)化為特征向量之間的相似性計(jì)算。要計(jì)算向量相似性程度,需要一定的距離計(jì)量或測(cè)量方法。常用的距離函數(shù)主要是歐氏距離De和城區(qū)距離Dc。在具體的戰(zhàn)場(chǎng)圖像挖掘應(yīng)用中,采用哪種距離度量方法要視具體的計(jì)算情況而定。應(yīng)用時(shí)還可以將不同的距離測(cè)度方式組合起來構(gòu)成復(fù)合測(cè)度以增強(qiáng)應(yīng)用的靈活性,如求加權(quán)和、最大值、最小值等。由于De計(jì)算簡(jiǎn)單,且效果也比較好,本文在特征匹配時(shí)采用的測(cè)量方法是歐氏距離。

A,B分別表示兩幅圖像,TA(k),TB(k)分別表示兩幅圖像的紋理。

對(duì)于一幅感興趣圖像,通過其紋理的相似性匹配,在戰(zhàn)場(chǎng)圖像源中進(jìn)行挖掘。其相似性Sim(A,B)為:Sim(A,B)=1-D(A,B)。

若D(A,B)的值越大,就說明兩幅圖像的特征差異越大;D(A,B)的值越小,就說明兩幅圖像的特征越相似。最后將所有挖掘的目標(biāo)圖像與用戶輸入的示例圖像的相似度從大到小排序,并選出Sim值最大的若干張作為最后的查詢結(jié)果顯示。

采用灰度共生矩陣作為匹配特征,在編程工具VC++環(huán)境下開發(fā)了一個(gè)戰(zhàn)場(chǎng)目標(biāo)圖像挖掘原型系統(tǒng)。使用該系統(tǒng)在一個(gè)具有150幅各種各樣的戰(zhàn)場(chǎng)圖像的數(shù)據(jù)庫(kù)中進(jìn)行了挖掘?qū)嶒?yàn)。圖1為感興趣的某一坦克圖像,圖2為感興趣的坦克圖像的紋理特征值,圖3為挖掘出的相關(guān)圖像,它表示的是根據(jù)紋理特征匹配后所挖掘的與感興趣圖像相關(guān)的10幅圖像,其相似性由大到小依次排序。

6 結(jié)語

該方法采用共生矩陣模型,計(jì)算紋理慣性矩、能量、熵、相關(guān)性,通過紋理匹配來挖掘出相似的戰(zhàn)場(chǎng)目標(biāo)圖像。實(shí)例表明該方法為戰(zhàn)場(chǎng)目標(biāo)圖像挖掘提供了一個(gè)有效可行的選擇。但是,對(duì)于戰(zhàn)場(chǎng)目標(biāo)圖像,紋理只是一種表面的特性,并不能完全反映出目標(biāo)的本質(zhì)屬性,且戰(zhàn)場(chǎng)環(huán)境復(fù)雜多變,所獲取的戰(zhàn)場(chǎng)圖像有的紋理特征明顯,有的顏色特征[8]明顯,有的形狀特征明顯等等,因此若采用多種特征進(jìn)行挖掘,則挖掘效果會(huì)進(jìn)一步提高。

[1]任富興,劉樹海.指揮信息系統(tǒng)[M].北京:解放軍出版社,2008

[2]章毓晉.基于內(nèi)容的視覺信息檢索[M].北京:科學(xué)出版社,2003

[3]周立偉.目標(biāo)探測(cè)與識(shí)別[M].北京:北京理工大學(xué)出版社,2002

[4]薛模根.數(shù)字圖像處理及其軍事應(yīng)用[M].北京:解放軍出版社,2005

[5]周明全.基于內(nèi)容的圖像檢索技術(shù)[M].北京:清華大學(xué)出版社,2007

[6]艾海舟,武勃.圖像處理分析與機(jī)器視覺[M].北京:人民郵電出版社,2003

[7]Castle K R.Digital Image Processing[M].New York:Prentice Hall,1996

[8]郭忠偉,李洪峰.C3I系統(tǒng)中基于顏色特征的戰(zhàn)場(chǎng)圖像快速檢索[J].艦船電子工程,2007,27(4)