劉毅

摘 要：紅外圖像復雜度是評估紅外成像制導武器作戰(zhàn)性能的重要指標，由于現(xiàn)實作戰(zhàn)對抗 環(huán)境的復雜多變，紅外目標自動識別（ATR）面臨巨大挑戰(zhàn)，因此準確客觀地評價紅外圖像復雜度 對考核提升自動識別技術(shù)具有重大現(xiàn)實意義。針對紅外目標自動識別的應用背景，深入探討了紅 外圖像復雜度的內(nèi)涵，對現(xiàn)有紅外圖像復雜度的評估方法進行綜述分析，并介紹了面向ATR應用 的復雜度描述指標。

關(guān)鍵詞：紅外圖像；復雜度；自動目標識別

中圖分類號：TJ760.1 文獻標識碼：A 文章編號：1673-5048（2014）03-0051-04

ReviewofInfraredImageComplexityEvaluationMethod

LIUYi

（MilitaryRepresentativeOfficeinChinaAirborneMissileAcademy，Luoyang471009，China）

Abstract：Infraredimagecomplexityisanimportantindexintheevaluationofinfraredguidedweap on.Withinthetremendouscomplicatedcombatenvironment，automatictargetrecognition（ATR）faces bigchallenges.Therefore，accurateandobjectiveevaluationofimagecomplexityhasgreatvaluefor ATRsimprovement.Inthispaper，imagecomplexitysconceptisfirstlydiscussed，andthencurrente valuationmethodsofthecomplexityareoverviewed.Finally，usefulevaluationindexesareintroducedfor ATRapplication.

Keywords：infraredimage；complexity；automatictargetrecognition

0 引 言

現(xiàn)實情況下，目標場景所包含的空中與地面 背景的紅外輻射特性變化極大、分布也可能極不 均勻，易在圖像上“淹沒”目標并使目標與背景無 法區(qū)分，而輻射傳播路徑上的云、霧、霾等氣象條 件或障礙物還可能會對目標造成不同程度的“遮蔽”，實際效果如圖1所示；同時，現(xiàn)代空戰(zhàn)條件 下各種光電對抗手段也會通過在視場中制造多個 虛假目標、遮蔽目標或使成像效果劣化的方法阻 遏對目標的識別處理；此外，導彈高超聲速飛行條 件下的氣動加熱效應、系統(tǒng)所受環(huán)境電磁干擾、探 測成像系統(tǒng)內(nèi)部非均勻性及噪聲，也會使成像出 現(xiàn)模糊、失真、噪聲增大等劣化情況并增加目標識 別的難度。結(jié)合上述分析，現(xiàn)實作戰(zhàn)條件會通過以 下機理降低紅外圖像中目標與背景的區(qū)分度，使 紅外圖像更加復雜而難以處理：

（1）使背景噪聲增大從而無法區(qū)分目標；

（2）使圖像中存在多個逼真的假目標；

（3）在圖像中遮蔽真實目標。

針對上述應用背景，可將紅外圖像復雜度定義 為從紅外圖像中識別跟蹤目標的困難程度，具體可 采用目標相對背景區(qū)分度的量測特征量進行描述。 但一般而言，不同作戰(zhàn)條件下目標特性相差極大， 且除少數(shù)近距條件外目標主要為點目標成像，所占 圖像比重極小，因此對紅外圖像復雜度的客觀評價 可主要基于圖像背景或全圖像的灰度分布差異特性 進行?，F(xiàn)有方法廣泛采用圖像灰度域、空間域、頻 域、信息熵的統(tǒng)計特征描述圖像隨機度、均勻度、對 比度特性，以此反映圖像整體復雜度并制定評價指 標，本文將對上述方法與指標進行綜述分析。

2 基于圖像特征的復雜度評估方法

圖像通常包含邊緣、形狀、紋理等特征，基于 上述特征可研究評估圖像復雜程度的一般方法。典型方法包括：基于區(qū)域灰度統(tǒng)計特性的方法、基 于信息熵的方法、基于變換域計算的方法和基于 紋理特征的方法等，下面對上述方法的內(nèi)涵及特 點進行分別介紹。

（1）區(qū)域灰度統(tǒng)計方法

區(qū)域灰度統(tǒng)計方法主要著眼于將圖像在空間域 進行劃分，通過統(tǒng)計各子區(qū)域?qū)Ρ榷取⒎讲畹认嚓P(guān) 特性值得到全圖像的復雜度量值。文獻[1]基于局 部圖像灰度和邊緣信息度量圖像復雜度，具體把圖 像劃分為多個目標相似區(qū)域，通過計算各區(qū)域?qū)Ρ?度和邊緣強度計算目標相似度及分布，從而確定圖 像復雜度；文獻[2]通過計算5×5像素塊內(nèi)像素灰 度值的變化大小，度量圖像復雜度；文獻[3]將紅外 實時圖像分為4×4的分塊，基于所有子塊中的最 大、最小方差計算圖像信噪比，以衡量圖像整體復 雜度?；趨^(qū)域灰度統(tǒng)計的方法能夠一定程度上表 征圖像的復雜程度，但其結(jié)果受區(qū)域尺度選擇的影 響較大，難以全面反映圖像的復雜度。

（2）信息熵統(tǒng)計方法

信息熵統(tǒng)計方法通過對圖像灰度級的出現(xiàn)概 率進行計算，得到圖像灰度的信息熵值，用以反映 圖像灰度域的內(nèi)在復雜度情況。文獻[4]描述了基 于圖像灰度級個數(shù)及每個灰度級像素出現(xiàn)情況的 信息熵及復雜度計算公式，具體如下：

文獻[5]則采用像素灰度與相鄰像素灰度構(gòu)建二 維直方圖，并基于二維直方圖的分布情況計算圖像信 息量。信息熵統(tǒng)計方法能夠從整體上反映圖像灰度的 統(tǒng)計特性，但難以描述圖像邊緣等細節(jié)特性。

（3）變換域統(tǒng)計方法

變換域統(tǒng)計方法主要將圖像變換到頻率域， 采用數(shù)學方法提取其頻率分布特性以及各頻率成 分的對比度，作為圖像復雜度量測的依據(jù)。文獻 [5]還對圖像進行二維離散傅里葉變換，在頻域內(nèi) 計算能量譜的熵值以評估圖像復雜程度。文獻[6] 提出以8×8像素塊為單位，在DCT域?qū)D像各頻 率成分進行鄰域差別計算、并利用視覺模型進行 度量，最終累計所有圖像塊鄰域差別得到圖像整 體的復雜度數(shù)值。變換域計算方法能夠提取圖像 在變換域的特性信息，但也難以反映圖像邊緣、紋 理等與目標檢測密切相關(guān)的特征情況。endprint

（4）紋理特征統(tǒng)計方法

紋理作為灰度分布的一種描述形式，可用來 評估圖像灰度的分布差異性，通過提取紋理信息 不僅可獲得圖像整體的統(tǒng)計特性，也可對邊緣、紋 理等圖像細節(jié)進行描述，因此紋理特征被越來越 多地應用于圖像復雜程度評估。現(xiàn)有提取紋理特 征的經(jīng)典方法是構(gòu)建圖像灰度共生矩陣[7]，并基 于該矩陣提取能量、對比度、相關(guān)性、同質(zhì)性及隨 機性等特征量[8-9]，以描述紋理特性。

a.能量

基于圖像特征的評估方法可定量描述圖像復 雜程度，而針對自動目標識別的應用背景，可在此 基礎(chǔ)上制定與目標識別困難程度相關(guān)聯(lián)的評價指 標，以滿足ATR技術(shù)評估的內(nèi)在需求?，F(xiàn)有研究 主要采用的復雜度指標包括：信噪比、綜合復雜 度、目標混淆/遮蔽度、目標發(fā)現(xiàn)概率等。

（1）信噪比

信噪比是描述紅外小目標圖像處理難度最常 用的評價指標，能夠較簡潔地量測從圖像中提取 有效信息所面臨的復雜程度，但其難以適用于大 目標紅外圖像，且僅當信噪比中的“噪聲”部分能 夠有效反映圖像復雜度時，該指標才能真正滿足 實際評估的需求。

（2）綜合復雜度

基于上述空間域灰度、灰度域信息熵、頻率域 分布以及紋理特征，可將各類圖像特征計算的圖 像復雜度數(shù)值進行加權(quán)綜合，得到圖像綜合復雜 度結(jié)果。

（3）目標混淆度/遮蔽度[11]

鑒于現(xiàn)實情況下，紅外圖像識別的難度主要源 自于環(huán)境對目標的混淆或遮蔽，因此文獻[11]設(shè)置 了目標混淆/遮蔽度指標，以評估紅外圖像復雜度。 目標混淆度在小目標圖像條件下，可通過建立與圖 像虛假目標數(shù)量相關(guān)的映射函數(shù)進行計算；在大目 標圖像條件下，可基于目標區(qū)域的灰度共生矩陣， 在全圖遍歷掃描，并將各掃描區(qū)域與目標區(qū)域的相 似度加權(quán)求和，得到混淆度量測結(jié)果。目標遮蔽度 在小目標圖像條件下，可基于目標區(qū)域圖像灰度與 已知完整目標灰度的比值加權(quán)計算；而在大目標圖像條件下，則基于已知完整目標區(qū)域的灰度共生矩 陣以及邊緣像素數(shù)與現(xiàn)有圖像比較得到。

（4）目標發(fā)現(xiàn)概率[12]

鑒于實際條件下紅外圖像的復雜性、隨機性， 文獻[12]提出以發(fā)現(xiàn)概率為基礎(chǔ)的評價方法，具 體通過計算圖像背景區(qū)和目標區(qū)的紋理特征相似 度均值，并根據(jù)心理學測得的圖像特征差別與人 眼判別結(jié)果的對應關(guān)系得出目標的發(fā)現(xiàn)概率。

參照以上復雜度指標，可將參試紅外圖像的 復雜度進行分類排序，并能夠歸納得到ATR算法 對于不同復雜度級別紅外圖像的處理能力，從而 對ATR算法的性能進行有效評估。

4 結(jié) 束 語

紅外成像目標自動識別是今后紅外精確制導 武器發(fā)展的必然趨勢，紅外圖像復雜度評估技術(shù) 作為其效能評估的重要支撐技術(shù)，必將在其未來 的技術(shù)發(fā)展中發(fā)揮更大作用。

參考文獻：

[1]PetersRA，StricklandRN.ImageComplexityMetricsfor

AutomaticTargetRecognizers[C]//AutomaticTarget RecognizerSystemandTechnologyConference，NavalSur faceWarfareCenter，SilverSpring，October1990：1-17.

[2]張友華，李揚.基于統(tǒng)計的圖像數(shù)字水印隱藏方法 [J].計算機系統(tǒng)應用，2001（1）：62-63.

[3]王鵬，孫繼銀，巨西諾.前視紅外圖像質(zhì)量評價指標 研究[J].彈箭與制導學報，2012（1）：53-56.

[4]高振宇，楊曉梅，龔劍明，等.圖像復雜度描述方法研 究[J].中國圖象圖形學報，2010（1）：129-135.

[5]徐春梅，李剛，胡文剛，等.紅外圖像評價質(zhì)量研究 [J].紅外技術(shù)，2004（6）：72-75.

[6]錢思進，張恒，何德全.基于圖像視覺復雜度計算的 分類信息隱藏圖像庫[J].解放軍理工大學學報（自然 科學版），2010（1）：26-30.

[7]HaralickRM，ShanmngamK，DinsteinIH.TextureFea tureforImageClassification[J].IEEETranscationson Systems，ManandCybernetics，1973，3（6）：768-780.

[8]章毓晉.圖像處理和分析[M].北京：清華大學出版 社，1999：231-240.

[9]馮建輝，楊玉靜.基于灰度共生矩陣提取紋理特征圖 像的研究[J].北京測繪，2007（3）：19-22.

[10]鄧果，趙險峰，黃煒，等.一種用于隱寫測評的圖像 紋理復雜度估計方法[J].計算機工程，2012（7）： 116-118.

[11]刁偉鶴，毛峽，常樂.一種新的紅外目標圖像質(zhì)量評 價方法[J].航空學報，2010（10）：2026-2033.

[12]林偉，陳玉華，高洪生，等.基于紅外目標紋理特征 的發(fā)現(xiàn)概率評價模型[J].紅外與激光工程，2009 （1）：155-159.endprint

（4）紋理特征統(tǒng)計方法

紋理作為灰度分布的一種描述形式，可用來 評估圖像灰度的分布差異性，通過提取紋理信息 不僅可獲得圖像整體的統(tǒng)計特性，也可對邊緣、紋 理等圖像細節(jié)進行描述，因此紋理特征被越來越 多地應用于圖像復雜程度評估?，F(xiàn)有提取紋理特 征的經(jīng)典方法是構(gòu)建圖像灰度共生矩陣[7]，并基 于該矩陣提取能量、對比度、相關(guān)性、同質(zhì)性及隨 機性等特征量[8-9]，以描述紋理特性。

a.能量

基于圖像特征的評估方法可定量描述圖像復 雜程度，而針對自動目標識別的應用背景，可在此 基礎(chǔ)上制定與目標識別困難程度相關(guān)聯(lián)的評價指 標，以滿足ATR技術(shù)評估的內(nèi)在需求?，F(xiàn)有研究 主要采用的復雜度指標包括：信噪比、綜合復雜 度、目標混淆/遮蔽度、目標發(fā)現(xiàn)概率等。

（1）信噪比

信噪比是描述紅外小目標圖像處理難度最常 用的評價指標，能夠較簡潔地量測從圖像中提取 有效信息所面臨的復雜程度，但其難以適用于大 目標紅外圖像，且僅當信噪比中的“噪聲”部分能 夠有效反映圖像復雜度時，該指標才能真正滿足 實際評估的需求。

（2）綜合復雜度

基于上述空間域灰度、灰度域信息熵、頻率域 分布以及紋理特征，可將各類圖像特征計算的圖 像復雜度數(shù)值進行加權(quán)綜合，得到圖像綜合復雜 度結(jié)果。

（3）目標混淆度/遮蔽度[11]

鑒于現(xiàn)實情況下，紅外圖像識別的難度主要源 自于環(huán)境對目標的混淆或遮蔽，因此文獻[11]設(shè)置 了目標混淆/遮蔽度指標，以評估紅外圖像復雜度。 目標混淆度在小目標圖像條件下，可通過建立與圖 像虛假目標數(shù)量相關(guān)的映射函數(shù)進行計算；在大目 標圖像條件下，可基于目標區(qū)域的灰度共生矩陣， 在全圖遍歷掃描，并將各掃描區(qū)域與目標區(qū)域的相 似度加權(quán)求和，得到混淆度量測結(jié)果。目標遮蔽度 在小目標圖像條件下，可基于目標區(qū)域圖像灰度與 已知完整目標灰度的比值加權(quán)計算；而在大目標圖像條件下，則基于已知完整目標區(qū)域的灰度共生矩 陣以及邊緣像素數(shù)與現(xiàn)有圖像比較得到。

（4）目標發(fā)現(xiàn)概率[12]

鑒于實際條件下紅外圖像的復雜性、隨機性， 文獻[12]提出以發(fā)現(xiàn)概率為基礎(chǔ)的評價方法，具 體通過計算圖像背景區(qū)和目標區(qū)的紋理特征相似 度均值，并根據(jù)心理學測得的圖像特征差別與人 眼判別結(jié)果的對應關(guān)系得出目標的發(fā)現(xiàn)概率。

參照以上復雜度指標，可將參試紅外圖像的 復雜度進行分類排序，并能夠歸納得到ATR算法 對于不同復雜度級別紅外圖像的處理能力，從而 對ATR算法的性能進行有效評估。

4 結(jié) 束 語

紅外成像目標自動識別是今后紅外精確制導 武器發(fā)展的必然趨勢，紅外圖像復雜度評估技術(shù) 作為其效能評估的重要支撐技術(shù)，必將在其未來 的技術(shù)發(fā)展中發(fā)揮更大作用。

參考文獻：

[1]PetersRA，StricklandRN.ImageComplexityMetricsfor

AutomaticTargetRecognizers[C]//AutomaticTarget RecognizerSystemandTechnologyConference，NavalSur faceWarfareCenter，SilverSpring，October1990：1-17.

[2]張友華，李揚.基于統(tǒng)計的圖像數(shù)字水印隱藏方法 [J].計算機系統(tǒng)應用，2001（1）：62-63.

[3]王鵬，孫繼銀，巨西諾.前視紅外圖像質(zhì)量評價指標 研究[J].彈箭與制導學報，2012（1）：53-56.

[4]高振宇，楊曉梅，龔劍明，等.圖像復雜度描述方法研 究[J].中國圖象圖形學報，2010（1）：129-135.

[5]徐春梅，李剛，胡文剛，等.紅外圖像評價質(zhì)量研究 [J].紅外技術(shù)，2004（6）：72-75.

[6]錢思進，張恒，何德全.基于圖像視覺復雜度計算的 分類信息隱藏圖像庫[J].解放軍理工大學學報（自然 科學版），2010（1）：26-30.

[7]HaralickRM，ShanmngamK，DinsteinIH.TextureFea tureforImageClassification[J].IEEETranscationson Systems，ManandCybernetics，1973，3（6）：768-780.

[8]章毓晉.圖像處理和分析[M].北京：清華大學出版 社，1999：231-240.

[9]馮建輝，楊玉靜.基于灰度共生矩陣提取紋理特征圖 像的研究[J].北京測繪，2007（3）：19-22.

[10]鄧果，趙險峰，黃煒，等.一種用于隱寫測評的圖像 紋理復雜度估計方法[J].計算機工程，2012（7）： 116-118.

[11]刁偉鶴，毛峽，常樂.一種新的紅外目標圖像質(zhì)量評 價方法[J].航空學報，2010（10）：2026-2033.

[12]林偉，陳玉華，高洪生，等.基于紅外目標紋理特征 的發(fā)現(xiàn)概率評價模型[J].紅外與激光工程，2009 （1）：155-159.endprint

（4）紋理特征統(tǒng)計方法

紋理作為灰度分布的一種描述形式，可用來 評估圖像灰度的分布差異性，通過提取紋理信息 不僅可獲得圖像整體的統(tǒng)計特性，也可對邊緣、紋 理等圖像細節(jié)進行描述，因此紋理特征被越來越 多地應用于圖像復雜程度評估。現(xiàn)有提取紋理特 征的經(jīng)典方法是構(gòu)建圖像灰度共生矩陣[7]，并基 于該矩陣提取能量、對比度、相關(guān)性、同質(zhì)性及隨 機性等特征量[8-9]，以描述紋理特性。

a.能量

基于圖像特征的評估方法可定量描述圖像復 雜程度，而針對自動目標識別的應用背景，可在此 基礎(chǔ)上制定與目標識別困難程度相關(guān)聯(lián)的評價指 標，以滿足ATR技術(shù)評估的內(nèi)在需求。現(xiàn)有研究 主要采用的復雜度指標包括：信噪比、綜合復雜 度、目標混淆/遮蔽度、目標發(fā)現(xiàn)概率等。

（1）信噪比

信噪比是描述紅外小目標圖像處理難度最常 用的評價指標，能夠較簡潔地量測從圖像中提取 有效信息所面臨的復雜程度，但其難以適用于大 目標紅外圖像，且僅當信噪比中的“噪聲”部分能 夠有效反映圖像復雜度時，該指標才能真正滿足 實際評估的需求。

（2）綜合復雜度

基于上述空間域灰度、灰度域信息熵、頻率域 分布以及紋理特征，可將各類圖像特征計算的圖 像復雜度數(shù)值進行加權(quán)綜合，得到圖像綜合復雜 度結(jié)果。

（3）目標混淆度/遮蔽度[11]

鑒于現(xiàn)實情況下，紅外圖像識別的難度主要源 自于環(huán)境對目標的混淆或遮蔽，因此文獻[11]設(shè)置 了目標混淆/遮蔽度指標，以評估紅外圖像復雜度。 目標混淆度在小目標圖像條件下，可通過建立與圖 像虛假目標數(shù)量相關(guān)的映射函數(shù)進行計算；在大目 標圖像條件下，可基于目標區(qū)域的灰度共生矩陣， 在全圖遍歷掃描，并將各掃描區(qū)域與目標區(qū)域的相 似度加權(quán)求和，得到混淆度量測結(jié)果。目標遮蔽度 在小目標圖像條件下，可基于目標區(qū)域圖像灰度與 已知完整目標灰度的比值加權(quán)計算；而在大目標圖像條件下，則基于已知完整目標區(qū)域的灰度共生矩 陣以及邊緣像素數(shù)與現(xiàn)有圖像比較得到。

（4）目標發(fā)現(xiàn)概率[12]

鑒于實際條件下紅外圖像的復雜性、隨機性， 文獻[12]提出以發(fā)現(xiàn)概率為基礎(chǔ)的評價方法，具 體通過計算圖像背景區(qū)和目標區(qū)的紋理特征相似 度均值，并根據(jù)心理學測得的圖像特征差別與人 眼判別結(jié)果的對應關(guān)系得出目標的發(fā)現(xiàn)概率。

參照以上復雜度指標，可將參試紅外圖像的 復雜度進行分類排序，并能夠歸納得到ATR算法 對于不同復雜度級別紅外圖像的處理能力，從而 對ATR算法的性能進行有效評估。

4 結(jié) 束 語

紅外成像目標自動識別是今后紅外精確制導 武器發(fā)展的必然趨勢，紅外圖像復雜度評估技術(shù) 作為其效能評估的重要支撐技術(shù)，必將在其未來 的技術(shù)發(fā)展中發(fā)揮更大作用。

參考文獻：

[1]PetersRA，StricklandRN.ImageComplexityMetricsfor

AutomaticTargetRecognizers[C]//AutomaticTarget RecognizerSystemandTechnologyConference，NavalSur faceWarfareCenter，SilverSpring，October1990：1-17.

[2]張友華，李揚.基于統(tǒng)計的圖像數(shù)字水印隱藏方法 [J].計算機系統(tǒng)應用，2001（1）：62-63.

[3]王鵬，孫繼銀，巨西諾.前視紅外圖像質(zhì)量評價指標 研究[J].彈箭與制導學報，2012（1）：53-56.

[4]高振宇，楊曉梅，龔劍明，等.圖像復雜度描述方法研 究[J].中國圖象圖形學報，2010（1）：129-135.

[5]徐春梅，李剛，胡文剛，等.紅外圖像評價質(zhì)量研究 [J].紅外技術(shù)，2004（6）：72-75.

[6]錢思進，張恒，何德全.基于圖像視覺復雜度計算的 分類信息隱藏圖像庫[J].解放軍理工大學學報（自然 科學版），2010（1）：26-30.

[7]HaralickRM，ShanmngamK，DinsteinIH.TextureFea tureforImageClassification[J].IEEETranscationson Systems，ManandCybernetics，1973，3（6）：768-780.

[8]章毓晉.圖像處理和分析[M].北京：清華大學出版 社，1999：231-240.

[9]馮建輝，楊玉靜.基于灰度共生矩陣提取紋理特征圖 像的研究[J].北京測繪，2007（3）：19-22.

[10]鄧果，趙險峰，黃煒，等.一種用于隱寫測評的圖像 紋理復雜度估計方法[J].計算機工程，2012（7）： 116-118.

[11]刁偉鶴，毛峽，常樂.一種新的紅外目標圖像質(zhì)量評 價方法[J].航空學報，2010（10）：2026-2033.

[12]林偉，陳玉華，高洪生，等.基于紅外目標紋理特征 的發(fā)現(xiàn)概率評價模型[J].紅外與激光工程，2009 （1）：155-159.endprint