王佳婧，焦淑紅，申連洋

(1.哈爾濱工程大學(xué)信息與通信工程學(xué)院，黑龍江哈爾濱150001;2.92677部隊，遼寧大連116001;3.海軍裝備部駐沈陽地區(qū)軍事代表局，遼寧沈陽110000)

SAR是一種主動式微波成像傳感器，它利用脈沖壓縮技術(shù)提高距離分辨率，利用合成孔徑原理提高方位分辨率，從而獲得大面積的高分辨雷達(dá)圖像［1］。由于SAR成像不會受到天氣、地理位置和時間等因素的影響，并且能透過植被發(fā)現(xiàn)隱藏的地下目標(biāo)，對測繪區(qū)的地形、設(shè)施、固定和低速運動目標(biāo)完成高分辨的成像偵察，因此具有重要的軍事應(yīng)用價值，這在近年來的多次局部戰(zhàn)爭中得到了充分的驗證。干擾效果評估［2］對電子對抗設(shè)備的研制、試驗?zāi)酥翆崙?zhàn)都十分重要，所以，對干擾效果的研究是十分必要的。鑒于不同的干擾原理，SAR干擾大致可分為壓制性干擾和欺騙式干擾。壓制性干擾［3-4］是利用合適的噪聲信號進入雷達(dá)接收機，以掩蓋所期望探測的目標(biāo)信號;而欺騙式干擾［5］是對回波信號產(chǎn)生一個假目標(biāo)，以干擾真目標(biāo)的識別。本文主要考慮的是壓制性干擾?，F(xiàn)有的SAR圖像質(zhì)量評估方法主要有主觀評估法和客觀評估法［6］。主觀評估法［7］是衡量SAR干擾系統(tǒng)性能中相對出色的手段，以選用研究和涉及該方向的專家來實現(xiàn)干擾性能的評估。但耗時耗力，且不具有隨時應(yīng)用性?？陀^評估法主要包括基于SAR圖像質(zhì)量性能指標(biāo)的評估方法［8］、圖像均方誤差［9］、最大峰值信噪比［10］、信息熵［6］、基于結(jié)構(gòu)相似度［11］的評估方法，以及方興未艾的基于紋理的方法［12］等。目前的這些方法都沒有很好的與人類視覺系統(tǒng)HVS相結(jié)合，導(dǎo)致評估結(jié)論的可信度比較低。

由于SAR圖像是一種反映目標(biāo)后向散射特性的灰度圖像，具有很強的紋理特性，所以在本文中提出一種基于紋理的符合人類視覺特性的SAR圖像干擾質(zhì)量評估方法。將圖像進行紋理特征的提取，獲得紋理特征參數(shù)矩陣，將此參數(shù)矩陣小波分解，計算每個小波子帶的干擾前后的結(jié)構(gòu)因子，并利用人類視覺系統(tǒng)與小波的倍頻程特征［13］和方向選擇性得到的值進行加權(quán)。與傳統(tǒng)的最大峰值信噪比、結(jié)構(gòu)相似度以及奇異值分解［14］方法相比較，本方法更符合人類視覺特性，能分辨出復(fù)雜紋理與簡單紋理干擾的不同。

1 紋理特征的獲取

SAR圖像的灰度反映的是目標(biāo)的雷達(dá)后向散射特性，如果2個目標(biāo)的后向散射性質(zhì)相同或相似，則二者的灰度值是相同或相似的，那么單從灰度特性分析將無法區(qū)分。所以，在SAR圖像的質(zhì)量評估中引入紋理特性，因為它是對圖像各像元之間空間分布的一種描述，能充分利用圖像信息，與其他圖像特征相比，它能更好地兼顧圖像宏觀性質(zhì)與細(xì)微結(jié)構(gòu)2個方面，所以先提取SAR圖像的紋理特征。

紋理特征的提取方法有很多，最有效的也是最常用的是利用灰度共生矩陣。在灰度圖像Ⅰ中任取一點(x，y)以及偏離它的另一點(x+a，y+b)，形成一個點對，設(shè)該點對的灰度值為(i，j)，即點(x，y)的灰度為i，點(x+a，y+b)的灰度為j。固定a和b，令點(x，y)在整幅圖像上移動，則會得到各種(i，j)的值。在整幅圖像中，統(tǒng)計出每一種(i，j)值出現(xiàn)的次數(shù)，就得到灰度共生矩陣Gd[i，j]:

為了能更直觀地用灰度共生矩陣描述紋理狀態(tài)，Haralick［15］計算出了 14種統(tǒng)計量參數(shù)，本文在考慮了各特征量的相關(guān)性和冗余度之后選取了對比度、熵和相關(guān)性這3個參數(shù)來進行多次計算。

對比度描述的是紋理的清晰程度，紋理分溝紋越深，對應(yīng)的對比度就越大，其表達(dá)式為

熵是一個隨機性的度量，它表示了圖像中紋理的非均勻程度或復(fù)雜程度，表達(dá)式為

相關(guān)性用來描述灰度共生矩陣中行(或列)元素之間相似的程度，是圖像灰度線性關(guān)系的度量，表達(dá)式為

通過多次仿真發(fā)現(xiàn)對比度參數(shù)對不同紋理的描述更清晰，更有利于后續(xù)計算，所以本文提出的方法是用對比度提取紋理特征。

圖1 不同參數(shù)的紋理圖像Fig.1 Textural images with different features

2 視覺加權(quán)處理

2.1 人類視覺系統(tǒng)HVS

人類視覺系統(tǒng)是一個復(fù)雜且巨大的工程，目前科學(xué)家們對HVS還沒有一個全面深入的理論認(rèn)識，但也建立了一個典型的模型，此模型包括了視覺感知系統(tǒng)的3個最明顯的特征:視覺非線性、視覺敏感度、多通道結(jié)構(gòu)掩蓋效應(yīng)。

圖2 人類視覺系統(tǒng)模型Fig.2 Model of HVS

當(dāng)前結(jié)合HVS特性的圖像質(zhì)量評估體系中，對比敏感度函數(shù)［16］(CSF)應(yīng)用的最為廣泛 。Mannos和Sakrison等建立了對比敏感度的近似曲線:

從對比敏感度函數(shù)三維圖中可以看出，HVS的敏感區(qū)間主要集中在低頻區(qū)域，最大值對應(yīng)的空間頻率為6～7周期/度，然后逐漸下降，在大于40周期/度以后，敏感度接近于零。也就是說，人眼最為敏感的頻帶是中低頻帶，而中低頻帶又是圖像的主要輪廓。因此人眼對圖像質(zhì)量做出評價時更多的會考慮中低頻帶的信息失真度。由此聯(lián)想到小波分解，它可以靈活的利用不同的頻帶信息，這樣就可以得到更符合人眼視覺特性的評估結(jié)果。

圖3 對比敏感度函數(shù)三維圖Fig.3 Three-dimensional diagram of CSF

2.2 頻程特性和方向選擇性

對視覺皮層細(xì)胞實驗表明，HVS由相鄰的多個并列視覺通道構(gòu)成，這些通道的空間頻率帶寬約為一個倍頻程，它們具有線性或正交相位、位移不變性，對水平0°、垂直90°同方向的刺激最敏感，而在對角線方向敏感性逐漸減弱，即45°或135°方向處最不敏感。這一結(jié)構(gòu)特征恰好與多分辨濾波器組或小波分解相匹配，用1組可調(diào)塔式多分辨濾波器建模，可以進行有效的模擬。在實際應(yīng)用中用小波變換可取得較高的計算效率。根據(jù)對應(yīng)關(guān)系(如圖4)，推導(dǎo)出對比敏感度函數(shù)在不同尺度不同方向上的歸一化頻程加權(quán)系數(shù)。

由于HVS在對角線方向敏感性逐漸減弱，所以選擇對角線方向的低頻分量為絕對加權(quán)系數(shù)，即設(shè)最低頻分量的加權(quán)值為1，則最后得到的相對加權(quán)系數(shù)見表1。

圖4 不同方向的CSF曲線及頻程加權(quán)系數(shù)Fig.4 The weighted coefficient of CSF curve and frequencies in different directions

表1 5級小波的對比敏感度相對加權(quán)系數(shù)Table 1 The weighted coefficient of CSF for five-level DWT

3 基于紋理的感知質(zhì)量評估

將原圖與干擾圖像分別用16×16的滑窗分塊進行紋理特征的提取，得到原始圖像的對比度紋理特征矩陣和干擾圖像的對比度紋理特征矩陣，將這2個矩陣分別進行5級小波分解(采用Daubechies小波)，分別得到16個不同頻帶不同方向的小波系數(shù)，將干擾前后對應(yīng)頻帶對應(yīng)方向的小波系數(shù)利用結(jié)構(gòu)因子進行計算。結(jié)構(gòu)因子表達(dá)式如下:

式中:σx、σy分別為原始圖像和干擾圖像的紋理特征在小波分解后對應(yīng)頻帶對應(yīng)方向的方差;σxy是原始圖像與干擾圖像的紋理特征在小波分解后對應(yīng)頻帶對應(yīng)方向矩陣的協(xié)方差，C是防止分母為0的很小的整數(shù)，結(jié)構(gòu)因子體現(xiàn)了結(jié)構(gòu)的相似性。

最后，將得到的16個結(jié)構(gòu)因子與對應(yīng)的加權(quán)系數(shù)加權(quán)求和，得到基于紋理的感知質(zhì)量評估結(jié)果。

式中:ωij為第i頻帶j方向所對應(yīng)的對比敏感度加權(quán)系數(shù)，Sij(x，y)為第i頻帶j方向所對應(yīng)的結(jié)構(gòu)因子，S16(x，y)為將紋理特征進行5級小波分解后最低頻的結(jié)構(gòu)因子。

4 仿真實驗與結(jié)果分析

為驗證提出方法對干擾評估的有效性，采用SAR圖像的2個場景，場景1是公路沿途和林蔭，場景2是某軍事基地圖像。在整個場景上和不同感興趣區(qū)域分別加入不同強度的高斯白噪聲干擾。試驗中，取圖像大小均為512×512，分塊窗口取16×16。對于場景1取灰度共生矩陣所用參數(shù)為L=64，θ=45°，d=1;對于場景2取灰度共生矩陣所用參數(shù)為L=64，θ=135°，d=1。為了驗證本文的方法更優(yōu)越，采用傳統(tǒng)的最大峰值信噪比(PSNR)、經(jīng)典的結(jié)構(gòu)相似度(SSIM)以及奇異值分解(SVD)質(zhì)量評估方法與之相比較。

4.1 單調(diào)性的驗證

實驗1對整體場景進行壓制性干擾，如圖5。

圖5 整體壓制性干擾Fig.5 The suppressing interference on the whole scene

用不同干信比的高斯白噪聲產(chǎn)生壓制性干擾，然后利用不同的方法進行圖像質(zhì)量評估，驗證了本方法與其他方法一樣具有單調(diào)性，評估結(jié)果見表2。

表2 整體壓制性干擾不同方法的質(zhì)量評估Table 2 The image quality assessment of suppressing interference on the whole scene

4.2 感知性的驗證

實驗2對場景1簡單紋理和復(fù)雜紋理區(qū)域加局部干擾，如圖6和圖7。

圖6 簡單紋理干擾Fig.6 The suppressing interference on the simple texture

圖7 復(fù)雜紋理干擾Fig.7 The suppressing interference on the complex texture

可以看到對簡單紋理區(qū)域和復(fù)雜紋理區(qū)域加相同強度的干擾，復(fù)雜紋理的干擾效果明顯，對于目標(biāo)識別來說難度增大，本文方法的評估結(jié)果接近視覺效果，可以很好的體現(xiàn)這一點。評估結(jié)果見表3、4。

表3 對場景1簡單紋理干擾不同方法的質(zhì)量評估Table 3 The image quality assessment of scene 1 under the interference on the simple texture

表4 對場景1復(fù)雜紋理干擾不同方法的質(zhì)量評估Table 4 The image quality assessment of scene 1 under the interference on the complex texture

4.3 有效性的驗證

實驗3是為了驗證本文方法的有效性和優(yōu)越性，取不同的場景，用同樣的仿真方法對不同紋理區(qū)域進行了干擾評估，如圖8和圖9。評估結(jié)果見表5、6。通過實驗可以得到如下結(jié)論:

1)隨著噪聲不斷加大，圖像質(zhì)量變差，無論是整體干擾還是局部干擾，本文方法與其他方法一樣都具有單調(diào)遞減的性質(zhì)。且從實驗1可以看出，本文方法與SSIM方法的變化趨勢符合人類視覺感知，當(dāng)干擾加到10 dB以后，圖像質(zhì)量明顯變差，而PSNR和SVD算法無法體現(xiàn)這種變化趨勢。

2)從實驗2和實驗3可發(fā)現(xiàn)，對于局部干擾干信比較大時，無法識別被干擾區(qū)域目標(biāo)，從干擾的目的和人類視覺系統(tǒng)的角度來看，圖像質(zhì)量明顯變差，所以得到的評估值下降的趨勢應(yīng)比較明顯，而PSNR和SSIM均無法體現(xiàn)這一點。本文提出的方法和SVD較為符合。

3)對于相同大小的干擾加到不同紋理區(qū)域，從目標(biāo)識別和視覺效果上來說，都應(yīng)該是加到復(fù)雜紋理目標(biāo)的干擾起到的作用大，圖像質(zhì)量更差。所以相同干信比條件下，復(fù)雜紋理干擾比簡單紋理干擾的圖像質(zhì)量評估值要小。而且隨著干信比的增加，復(fù)雜干擾圖像質(zhì)量評估值下降的更快。從表格中可以看到本文提出的方法能體現(xiàn)出這一點，而其他3個方法的數(shù)據(jù)變化較小，無法體現(xiàn)感知性，而PSNR方法對復(fù)雜紋理干擾和簡單紋理干擾的評估甚至與感知性相反。

圖8 簡單紋理干擾Fig.8 The suppressing interference on the simple texture

圖9 復(fù)雜紋理干擾Fig.9 The suppressing interference on the complex texture

表5 對場景2簡單紋理干擾不同方法的質(zhì)量評估Table 5 The image quality assessment of scene 2 under the interference on the simple texture

表6 對場景2復(fù)雜紋理干擾不同方法的質(zhì)量評估Table 6 The image quality assessment of scene 2 under the interference on the complex texture

5 結(jié)束語

本文提出了一種基于紋理的符合人類視覺感知的SAR圖像質(zhì)量評估方法。該方法能夠?qū)崿F(xiàn)符合人類視覺感知的干擾圖像質(zhì)量評估，不僅對整體壓制性干擾有較好的評估效果，對于干擾在不同的紋理區(qū)域的評估結(jié)果，更優(yōu)于傳統(tǒng)的評估方法。但對于SAR圖像 紋理特征的提取需要的時間較長，不利于工程實現(xiàn)，未來的研究重點將著力解決特征提取的時間問題，并對SAR干擾圖像和主觀判讀分?jǐn)?shù)建立一個數(shù)據(jù)庫，為以后對不同干擾的SAR圖像質(zhì)量評估做準(zhǔn)備。

［1］OLIVER C，QUEGAN S.Understanding synthetic aperture radar images［M］.Raleigh:SciTech Publishing，2004:1-50.

［2］柏仲干，謝虹，馬孝尊，等.SAR干擾/抗干擾技術(shù)的現(xiàn)狀與發(fā)展［J］.電光與控制，2012，19(2):47-53.BAI Zhonggan，XIE Hong，MA Xiaozun，et al.An overview on the techniques of SAR ECM and ECCM［J］.Electronics Optics and Control，2012，19(2):47-53.

［3］馬俊霞，蔡英武，陳惠連.SAR壓制式干擾仿真及效果評估［J］.信息與電子工程，2004，2(2):109-113.MA Junxia，CAI Yingwu，CHEN Huilian.Simulation and evaluation of barrage jamming on SAR［J］.Information and Electronic Engineering，2004，2(2):109-113.

［4］WANG X，YU W，QI X，et al.Radiofrequency interference suppression in synthetic aperture radar based on singular spectrum analysis with extended-FAPI subspace tracking［J］.Radar，Sonar＆ Navigation IET，2012，6(9):881-890.

［5］孫云輝，李芳倩，馮建偉.基于SAR圖像的欺騙式干擾效果評估研究［J］.航天電子對抗，2006，22(2):31-34.SUN Yunhui，LI Fangqian，F(xiàn)ENG Jianwei.Effect evaluation for deception jamming based on SAR image［J］.Aerospace Electronic Warfare，2006，22(2):31-34.

［6］梁恒.SAR圖像干擾效果評估［D］.成都:電子科技大學(xué)，2006:38-52.LIANG Heng.SAR Image interference effect evaluation［D］.Chengdu:University of Electronic Science and Technology of China，2006:38-52.

［7］JIAO Shuhong，DONG Weisheng.SAR image quality assessment based on SSIM using textural feature［C］//2013 Seventh InternationalConference on Image and Graphics(ICIG).Qingdao，China，2013:281-286.

［8］ZHANG Han，LI Yu，SU Yi.SAR image quality assessment using coherent correlation function［C］//2012 5th International Congress on Image and Signal Processing(CISP).Chongqing，China，2012:1129-1133.

［9］李源.基于均方誤差的逆合成孔徑雷達(dá)干擾效果評估［J］.信息與電子工程，2008，6(5):342-345.LI Yuan.An evaluation method of jamming effect on inverse synthetic aperture radar［J］.Information and Electronic Engineering，2008，6(5):342-345.

［10］ROSENBERG L，GRAY D.Anti-jamming techniques for multichannel SAR imaging［J］.IEE Proceedings-Radar，Sonar and Navigation，2006，153(3):234-242.

［11］ZHOU Wang，BOVIK A C，SHEIKH H R，et al.Image quality assessment:from error visibility to structural similarity［J］.IEEE Transactions on Image Processing，2004，13(4):600-612.

［12］HU Anzhou，ZHANG Rong，YIN Dong，et al.Perceptual quality assessment of SAR image compression based on image content partition and neural network［J］.Chinese Journal of Electronics，2013，22(3):543-548.

［13］韓國強，劉陽，李永禎.基于視覺加權(quán)處理的SAR干擾效果評估［J］.雷達(dá)科學(xué)與技術(shù)，2011，9(1):18-23.HAN Guoqiang，LIU Yang，Li Yongzhen.Evaluation of jamming effect on SAR based on visual weighted processing［J］.Radar Science and Technology，2011，9(1):18-23.

［14］SHNAYDERMAN A，GUSEV A，ESKICIOGLU A M.An SVD-based grayscale image quality measure for local and global assessment［J］.IEEE Transactions on Image Processing，2006，15(2):422-429.

［15］HARALICK R M，SHANMUGAM K，DINSTEIN I.Textural features for image classification［J］.IEEE Transactions on Systems，Man and Cybernetics，1973，SMC-3(6):610-621.

［16］MANNOS J，SAKRISON D.The effects of a visual fidelity criterion of the encoding of images［J］.IEEE Transactions on Information Theory，1974，20(4):525-536.