李 蔚 陳 麒

(海軍航空工程學(xué)院電子信息工程系 煙臺(tái) 264001)

基于遙感圖像的艦船毀傷效果評(píng)估方法研究*

李 蔚 陳 麒

(海軍航空工程學(xué)院電子信息工程系 煙臺(tái) 264001)

提出了一種基于遙感圖像變化檢測(cè)的艦船毀傷效果評(píng)估方法,主要包括圖像預(yù)處理、艦船檢測(cè)、毀傷前后目標(biāo)區(qū)域提取、特征提取和分級(jí)評(píng)估五個(gè)部分。研究了目標(biāo)區(qū)域提取和變化特征選取等問(wèn)題,提取幾何特征與紋理特征進(jìn)行分級(jí)評(píng)估?；谝暰胺抡婕夹g(shù)進(jìn)行了艦船毀傷效果模擬,采用模擬的圖像進(jìn)行毀傷效果評(píng)估仿真實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)果表明,該方法能有效地實(shí)現(xiàn)對(duì)海上艦船目標(biāo)的毀傷效果評(píng)估。

毀傷效果評(píng)估; 變化檢測(cè); 視景仿真

Class Number TP753

1 引言

在現(xiàn)代海戰(zhàn)中,對(duì)海上艦船進(jìn)行及時(shí)有效毀傷效果評(píng)估[1]有助于準(zhǔn)確做出下一步打擊計(jì)劃、節(jié)約戰(zhàn)爭(zhēng)成本、提高整體作戰(zhàn)效能。隨著科技的發(fā)展,偵察衛(wèi)星、偵察機(jī)和彈載偵察平臺(tái)等多種信息收集手段已成功運(yùn)用到戰(zhàn)爭(zhēng)中。其中偵察衛(wèi)星成像分辨率不斷提高,由于其居高臨下的特點(diǎn),偵察范圍廣、偵察能力強(qiáng)、獲取信息量大[2],成為了毀傷效果評(píng)估中信息收集的重要手段之一,如何從衛(wèi)星圖像中提取毀傷信息具有重要的研究?jī)r(jià)值。

雖然部分學(xué)者已經(jīng)提出一些毀傷效果評(píng)估算法[3～7],但是每種算法都針對(duì)特定目標(biāo),缺乏通用性。對(duì)于海上艦船目標(biāo)的毀傷效果評(píng)估仍需進(jìn)一步探索,同時(shí),由于保密性等原因,毀傷艦船的遙感圖像較少,影響研究進(jìn)展。本文針對(duì)海上艦船的特點(diǎn),提出一種基于遙感圖像的艦船毀傷效果評(píng)估方法,采用模擬的艦船毀傷圖像對(duì)所提方法進(jìn)行了驗(yàn)證。

2 評(píng)估流程

基于遙感圖像的毀傷效果評(píng)估核心是信息提取,本文首先在毀傷前圖像中選擇并提取要評(píng)估的艦船目標(biāo),將其作為模板,通過(guò)圖像匹配的方式在毀傷后圖像中選取對(duì)應(yīng)的毀傷后艦船,在此基礎(chǔ)上提取合適的特征,對(duì)比分析毀傷前后目標(biāo)特征,并結(jié)合一定的評(píng)估準(zhǔn)則得出評(píng)估結(jié)果。

本文提出的艦船目標(biāo)毀傷效果評(píng)估流程如圖1所示。

圖1 艦船毀傷效果評(píng)估流程

3 算法實(shí)現(xiàn)

3.1 圖像預(yù)處理

光學(xué)遙感圖像中的噪聲主要為椒鹽噪聲,中值濾波對(duì)去除圖像的椒鹽噪聲具有很好的效果。故采用中值濾波對(duì)遙感圖像進(jìn)行預(yù)處理[8],其原理是對(duì)圖像中某像素點(diǎn)及其鄰域內(nèi)的所有像素進(jìn)行統(tǒng)計(jì)排序,使用排序隊(duì)列中位于中間位置的元素的值代替該像素的值。

3.2 艦船檢測(cè)

遙感圖像目標(biāo)檢測(cè)領(lǐng)域最實(shí)用的一類方法是CFAR法,本文采用空心CFAR檢測(cè)器,在給定虛警概率Pfa條件下,計(jì)算雜波區(qū)域的統(tǒng)計(jì)特性,結(jié)合雜波分布模型,計(jì)算檢測(cè)閾值,然后將測(cè)試像素與檢測(cè)閾值進(jìn)行對(duì)比,判斷測(cè)試像素是否為目標(biāo)點(diǎn)。將檢測(cè)器在圖像上進(jìn)行遍歷,即可實(shí)現(xiàn)艦船目標(biāo)的檢測(cè)。采用高斯模型作為雜波分布模型[9],其概率密度函數(shù)為

(1)

式中:μ是均值;δ是標(biāo)準(zhǔn)差。

在虛警概率為Pfa時(shí),檢測(cè)閾值為

(2)

在檢測(cè)過(guò)程中,將檢測(cè)到的目標(biāo)像素點(diǎn)設(shè)為1,背景像素點(diǎn)設(shè)為0,得到目標(biāo)提取所需的二值圖像。分割以后的圖像上仍存在一些孤立的點(diǎn),可以通過(guò)形態(tài)學(xué)開運(yùn)算(先腐蝕再膨脹)消除。

3.3 目標(biāo)區(qū)域提取

采用最小外切矩形法提取毀傷前艦船目標(biāo)區(qū)域,為了使得外切矩形能包含盡量少的背景區(qū)域,先采用文獻(xiàn)[10]中利用不變矩計(jì)算主軸的方法,得到艦船方位角,將艦船轉(zhuǎn)正,再求其外切矩形。

對(duì)于包含艦船的m×n二值化圖像f(i,j),主軸與水平方向的夾角α為

(3)

式中μp,q為圖像的混合不變矩,即:

(4)

求得α以后,將圖像做旋轉(zhuǎn)處理,然后可求得艦船最小外切矩形。提取出毀傷前目標(biāo)區(qū)域以后,可以通過(guò)模板匹配的方式,得到毀傷后圖像上的目標(biāo)區(qū)域。

3.4 毀傷特征提取及毀傷評(píng)估

在受到毀傷后,艦船的規(guī)則性受到破壞,反映在圖像上發(fā)生變化的幾何特征有長(zhǎng)寬比、歸一化轉(zhuǎn)動(dòng)慣量[11]、密實(shí)度等。其紋理特征也相應(yīng)地發(fā)生變化,本文采用Haralick提出的基于灰度共生矩陣的紋理特征的統(tǒng)計(jì)量來(lái)描述這些變化,主要有對(duì)比度、能量、相關(guān)度、熵等[12]。毀傷前后圖像獲取時(shí)間不同,可能會(huì)存在微小的光照變化,因此在提取紋理特征之前,采用同態(tài)濾波減小光照變化對(duì)成像的影響。

提取出毀傷前后特征量以后,可以根據(jù)特征向量的變化對(duì)目標(biāo)受損程度進(jìn)行評(píng)估,本文采用特征向量的歐氏距離來(lái)衡量變化大小。兩個(gè)n維特征向量X、Y的歐氏距離定義為

(5)

評(píng)估規(guī)則如下:如果目標(biāo)幾何特征和紋理特征變化不大,可以判斷目標(biāo)基本沒受到損傷;如果目標(biāo)幾何特征變化較大,可以判斷目標(biāo)受到嚴(yán)重?fù)p傷。如果目標(biāo)幾何特征變化較小,紋理特征變化較大,則可判斷目標(biāo)基本形狀維持不變,內(nèi)部結(jié)構(gòu)發(fā)生變化。一般來(lái)說(shuō),幾何特征發(fā)生較大變化時(shí),其紋理特征也相應(yīng)的發(fā)生較大變化。可將艦船毀傷劃分為五個(gè)等級(jí):無(wú)毀傷、輕度毀傷、中等毀傷、嚴(yán)重毀傷和完全摧毀。不同的歐氏距離大小分別對(duì)應(yīng)不同的毀傷等級(jí)。

4 毀傷效果評(píng)估仿真實(shí)驗(yàn)

針對(duì)當(dāng)前毀傷艦船遙感圖像缺乏問(wèn)題,本文采用視景仿真技術(shù),利用3D MAX2012根據(jù)真實(shí)數(shù)據(jù)建立艦船模型和海面模型,合理使用切割、擠出、縮放以及移動(dòng)等命令獲得毀傷效果。參考偵察衛(wèi)星探測(cè)特點(diǎn),在艦船上方架設(shè)一架合適的目標(biāo)攝像機(jī),獲得艦船遙感圖像。調(diào)整攝像機(jī)高度和和鏡頭大小可改變輸出圖像空間分辨率。

圖2(a)是模擬的未破損的原始艦船圖像,圖2(b)和圖2(c)是模擬的不同毀傷情況艦船圖像。艦船圖像大小均為800×600,分辨率為1m。本方法模擬的艦船遙感圖像較為理想,故省去圖像去噪這一步驟。

圖2 模擬的艦船遙感圖像

1) 艦船檢測(cè)

將上述圖像通過(guò)CFAR檢測(cè)并進(jìn)行形態(tài)學(xué)開運(yùn)算后如圖3所示。

圖3 CFAR檢測(cè)后圖像

2) 目標(biāo)區(qū)域提取

采用3.3節(jié)所述目標(biāo)區(qū)域提取方法提取的毀傷前后目標(biāo)區(qū)域如圖4所示。

圖4 目標(biāo)區(qū)域

3) 幾何特征與紋理特征提取

提取毀傷前后艦船的幾何特征與紋理特征,如表1所示。

表1 毀傷前后幾何特征和紋理特征

4) 毀傷評(píng)估

從表1可以看出,不同的特征在數(shù)量級(jí)上存在較大差距,因此先將數(shù)據(jù)進(jìn)行歸一化,再分別計(jì)算每個(gè)毀傷艦船與原始艦船特征向量的歐氏距離,得:

根據(jù)表2、結(jié)合評(píng)估規(guī)則,可對(duì)毀傷效果作出評(píng)估。

表2 特征向量的歐氏距離

1) 艦船一船體結(jié)構(gòu)受到一定程度的破壞,毀傷程度為輕度毀傷。

2) 艦船二船體未受破壞,內(nèi)部結(jié)構(gòu)受到一定損傷,毀傷程度為輕度毀傷。

通過(guò)對(duì)兩種不同類型的毀傷艦船進(jìn)行毀傷效果評(píng)估,可見所提出的毀傷效果評(píng)估方法切實(shí)可行,如果在有真實(shí)毀傷圖像的條件下會(huì)獲得更好的驗(yàn)證。

5 結(jié)語(yǔ)

本文針對(duì)遙感圖像上艦船目標(biāo)特性,提出了一種基于變化檢測(cè)的艦船毀傷效果評(píng)估方法,對(duì)各步驟進(jìn)行了介紹,最后通過(guò)對(duì)模擬圖像的毀傷評(píng)估進(jìn)行驗(yàn)證。雖然本文選取的特征量能反映艦船目標(biāo)結(jié)構(gòu)變化,但是特征變化與毀傷程度之間的具體聯(lián)系仍需結(jié)合真實(shí)毀傷圖像或者大量仿真實(shí)驗(yàn)來(lái)獲得。艦船結(jié)構(gòu)復(fù)雜,不同艦船上層建筑和內(nèi)部結(jié)構(gòu)不同,在今后的研究工作中,應(yīng)結(jié)合艦船結(jié)構(gòu)布局和其它非圖像信息對(duì)艦船作出更為合理的評(píng)估,也可結(jié)合艦船尾跡獲取速度信息,對(duì)艦船進(jìn)行綜合評(píng)估,為作戰(zhàn)決策提供客觀依據(jù)。

[1] Hugh C. The Current Battle Damage Assessment Paradigm is Obsolete[J]. Air and Space Power Journal,2004,18(4):13-17.

[2] 陳和彬,余華敏,吳駐.偵察衛(wèi)星在艦船毀傷評(píng)估中的運(yùn)用[J].飛航導(dǎo)彈,2010(5):48-51.

[3] 涂震飚,林濤.基于下視圖像的打擊效果評(píng)估系統(tǒng)研究[J].戰(zhàn)術(shù)導(dǎo)彈技術(shù),2012(5):6-9.

[4] 付文憲,李少洪,洪文.基于高分辨SAR圖像的打擊效果評(píng)估[J].電子學(xué)報(bào),2003,31(9):1290-1294.

[5] 牛鵬輝,李衛(wèi)華,李小春.基于變化檢測(cè)的機(jī)場(chǎng)毀傷評(píng)估算法[J].電光與控制,2012,19(7):89-93.

[6] 蘇娟,鮮勇,劉代志.基于圖像變化檢測(cè)的打擊效果自動(dòng)評(píng)估算法[J].火力與指揮控制,2008,33(4):134-137.

[7] 尤曉建,韓雪梅.高分辨率光學(xué)圖像目標(biāo)打擊效果評(píng)估系統(tǒng)研究[J].信息技術(shù),2010(5):92-95.

[8] 陳海亮.基于特征的光學(xué)遙感圖像艦船目標(biāo)檢測(cè)技術(shù)研究[D].長(zhǎng)沙:國(guó)防科技大學(xué)研究生院,2010:9-10.

[9] 孫皓,孫顯,王宏琦.一種高分辨率遙感圖像艦船檢測(cè)方法研究[J/OL].測(cè)繪科學(xué).http://www.cnki.net/kcms/detail/11.4415.P.20130227.1755.007.html,2013-02-27.

[10] Li Ke, Wang Runsheng, Wang Cheng. A Method of Tree Classifier for the Recognition of Airplane Types[J]. Computer Engineering and Science,2006,28(11):136-139.

[11] 楊小岡,付光遠(yuǎn),繆棟,等.基于圖像NMI特征的目標(biāo)識(shí)別新方法[J].計(jì)算機(jī)工程,2002,28(6):149-151.

[12] Haralick R M, Shanmugam K, Dinstein I. Texture features for image classification[J]. IEEE Trans System Man Cybernet,1973,3(6):610-621.

Ship Battle Damage Assessment Based on Remote Sensing Images

LI Wei CHEN Qi

(Department of Electronic and Information Engineering, Naval Aeronautical and Astronautical University, Yantai 264001)

It proposed a ship battle damage assessment(BDA) algorithm based on remote sensing image change detection, including image preprocessing, ship detection, target area extraction, feature extraction and two-level assessment. It researched target area extraction, feature selection and other issues, then assessed ship in two levels. Ship damage images were simulated based on visual simulation technology. BDA experiments were carried on and the results showed that the algorithm can effectively realize BDA for ship target at sea.

BDA, change detection, visual simulation

2014年6月3日,

2014年7月25日

李蔚,女,助教,研究方向:綜合電子戰(zhàn)信息戰(zhàn)技術(shù)。陳麒,男,博士研究生,研究方向:遙感圖像處理。

TP753

10.3969/j.issn1672-9730.2014.12.013