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(duì)，遼寧大連116001;3.海軍裝備部駐沈陽(yáng)地區(qū)軍事代表局，遼寧沈陽(yáng)110000)

SAR是一種主動(dòng)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(huì)受到天氣、地理位置和時(shí)間等因素的影響，并且能透過(guò)植被發(fā)現(xiàn)隱藏的地下目標(biāo)，對(duì)測(cè)繪區(qū)的地形、設(shè)施、固定和低速運(yùn)動(dòng)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(jià)值，這在近年來(lái)的多次局部戰(zhàn)爭(zhēng)中得到了充分的驗(yàn)證。干擾效果評(píng)估［2］對(duì)電子對(duì)抗設(shè)備的研制、試驗(yàn)?zāi)酥翆?shí)戰(zhàn)都十分重要，所以，對(duì)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(hào)進(jìn)入雷達(dá)接收機(jī)，以掩蓋所期望探測(cè)的目標(biāo)信號(hào);而欺騙式干擾［5］是對(duì)回波信號(hào)產(chǎn)生一個(gè)假目標(biāo)，以干擾真目標(biāo)的識(shí)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(píng)估方法主要有主觀評(píng)估法和客觀評(píng)估法［6］。主觀評(píng)估法［7］是衡量SAR干擾系統(tǒng)性能中相對(duì)出色的手段，以選用研究和涉及該方向的專家來(lái)實(shí)現(xiàn)干擾性能的評(píng)估。但耗時(shí)耗力，且不具有隨時(shí)應(yīng)用性。客觀評(píng)估法主要包括基于SAR圖像質(zhì)量性能指標(biāo)的評(píng)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(píng)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(méi)有很好的與人類視覺(jué)系統(tǒng)HVS相結(jié)合，導(dǎo)致評(píng)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(qiáng)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(jué)特性的SAR圖像干擾質(zhì)量評(píng)估方法。將圖像進(jìn)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(jì)算每個(gè)小波子帶的干擾前后的結(jié)構(gòu)因子，并利用人類視覺(jué)系統(tǒng)與小波的倍頻程特征［13］和方向選擇性得到的值進(jìn)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(jué)特性，能分辨出復(fù)雜紋理與簡(jiǎn)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(gè)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(wú)法區(qū)分。所以，在SAR圖像的質(zhì)量評(píng)估中引入紋理特性，因?yàn)樗菍?duì)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(gè)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(diǎn)(x，y)以及偏離它的另一點(diǎn)(x+a，y+b)，形成一個(gè)點(diǎn)對(duì)，設(shè)該點(diǎn)對(duì)的灰度值為(i，j)，即點(diǎn)(x，y)的灰度為i，點(diǎn)(x+a，y+b)的灰度為j。固定a和b，令點(diǎn)(x，y)在整幅圖像上移動(dòng)，則會(huì)得到各種(i，j)的值。在整幅圖像中，統(tǒng)計(jì)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(jì)算出了 14種統(tǒng)計(jì)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(duì)比度、熵和相關(guān)性這3個(gè)參數(shù)來(lái)進(jìn)行多次計(jì)算。

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

熵是一個(gè)隨機(jī)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(lái)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(guò)多次仿真發(fā)現(xiàn)對(duì)比度參數(shù)對(duì)不同紋理的描述更清晰，更有利于后續(xù)計(jì)算，所以本文提出的方法是用對(duì)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(jué)加權(quán)處理

2.1 人類視覺(jué)系統(tǒng)HVS

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

圖2 人類視覺(jué)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(píng)估體系中，對(duì)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(duì)比敏感度的近似曲線:

從對(duì)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(duì)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(shuō)，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(duì)圖像質(zhì)量做出評(píng)價(jià)時(shí)更多的會(huì)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(jué)特性的評(píng)估結(jié)果。

圖3 對(duì)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(duì)視覺(jué)皮層細(xì)胞實(shí)驗(yàn)表明，HVS由相鄰的多個(gè)并列視覺(jué)通道構(gòu)成，這些通道的空間頻率帶寬約為一個(gè)倍頻程，它們具有線性或正交相位、位移不變性，對(duì)水平0°、垂直90°同方向的刺激最敏感，而在對(duì)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(jìn)行有效的模擬。在實(shí)際應(yīng)用中用小波變換可取得較高的計(jì)算效率。根據(jù)對(duì)應(yīng)關(guān)系(如圖4)，推導(dǎo)出對(duì)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(duì)角線方向敏感性逐漸減弱，所以選擇對(duì)角線方向的低頻分量為絕對(duì)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(duì)加權(quán)系數(shù)見(jiàn)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(jí)小波的對(duì)比敏感度相對(duì)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(píng)估

將原圖與干擾圖像分別用16×16的滑窗分塊進(jìn)行紋理特征的提取，得到原始圖像的對(duì)比度紋理特征矩陣和干擾圖像的對(duì)比度紋理特征矩陣，將這2個(gè)矩陣分別進(jìn)行5級(jí)小波分解(采用Daubechies小波)，分別得到16個(gè)不同頻帶不同方向的小波系數(shù)，將干擾前后對(duì)應(yīng)頻帶對(duì)應(yīng)方向的小波系數(shù)利用結(jié)構(gòu)因子進(jìn)行計(jì)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(duì)應(yīng)頻帶對(duì)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(duì)應(yīng)頻帶對(duì)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(gè)結(jié)構(gòu)因子與對(duì)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(píng)估結(jié)果。

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

4 仿真實(shí)驗(yàn)與結(jié)果分析

為驗(yàn)證提出方法對(duì)干擾評(píng)估的有效性，采用SAR圖像的2個(gè)場(chǎng)景，場(chǎng)景1是公路沿途和林蔭，場(chǎng)景2是某軍事基地圖像。在整個(gè)場(chǎng)景上和不同感興趣區(qū)域分別加入不同強(qiáng)度的高斯白噪聲干擾。試驗(yàn)中，取圖像大小均為512×512，分塊窗口取16×16。對(duì)于場(chǎng)景1取灰度共生矩陣所用參數(shù)為L(zhǎng)=64，θ=45°，d=1;對(duì)于場(chǎng)景2取灰度共生矩陣所用參數(shù)為L(zhǎng)=64，θ=135°，d=1。為了驗(yàn)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(píng)估方法與之相比較。

4.1 單調(diào)性的驗(yàn)證

實(shí)驗(yàn)1對(duì)整體場(chǎng)景進(jìn)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(jìn)行圖像質(zhì)量評(píng)估，驗(yàn)證了本方法與其他方法一樣具有單調(diào)性，評(píng)估結(jié)果見(jiàn)表2。

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

4.2 感知性的驗(yàn)證

實(shí)驗(yàn)2對(duì)場(chǎng)景1簡(jiǎn)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(jiǎn)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(duì)簡(jiǎn)單紋理區(qū)域和復(fù)雜紋理區(qū)域加相同強(qiáng)度的干擾，復(fù)雜紋理的干擾效果明顯，對(duì)于目標(biāo)識(shí)別來(lái)說(shuō)難度增大，本文方法的評(píng)估結(jié)果接近視覺(jué)效果，可以很好的體現(xiàn)這一點(diǎn)。評(píng)估結(jié)果見(jiàn)表3、4。

表3 對(duì)場(chǎng)景1簡(jiǎn)單紋理干擾不同方法的質(zhì)量評(píng)估Table 3 The image quality assessment of scene 1 under the interference on the simple texture

表4 對(duì)場(chǎng)景1復(fù)雜紋理干擾不同方法的質(zhì)量評(píng)估Table 4 The image quality assessment of scene 1 under the interference on the complex texture

4.3 有效性的驗(yàn)證

實(shí)驗(yàn)3是為了驗(yàn)證本文方法的有效性和優(yōu)越性，取不同的場(chǎng)景，用同樣的仿真方法對(duì)不同紋理區(qū)域進(jìn)行了干擾評(píng)估，如圖8和圖9。評(píng)估結(jié)果見(jiàn)表5、6。通過(guò)實(shí)驗(yàn)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(wú)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(shí)驗(yàn)1可以看出，本文方法與SSIM方法的變化趨勢(shì)符合人類視覺(jué)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(wú)法體現(xiàn)這種變化趨勢(shì)。

2)從實(shí)驗(yàn)2和實(shí)驗(yàn)3可發(fā)現(xiàn)，對(duì)于局部干擾干信比較大時(shí)，無(wú)法識(shí)別被干擾區(qū)域目標(biāo)，從干擾的目的和人類視覺(jué)系統(tǒng)的角度來(lái)看，圖像質(zhì)量明顯變差，所以得到的評(píng)估值下降的趨勢(shì)應(yīng)比較明顯，而PSNR和SSIM均無(wú)法體現(xiàn)這一點(diǎn)。本文提出的方法和SVD較為符合。

3)對(duì)于相同大小的干擾加到不同紋理區(qū)域，從目標(biāo)識(shí)別和視覺(jué)效果上來(lái)說(shuō)，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(jiǎn)單紋理干擾的圖像質(zhì)量評(píng)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(píng)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(diǎn)，而其他3個(gè)方法的數(shù)據(jù)變化較小，無(wú)法體現(xiàn)感知性，而PSNR方法對(duì)復(fù)雜紋理干擾和簡(jiǎn)單紋理干擾的評(píng)估甚至與感知性相反。

圖8 簡(jiǎn)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(duì)場(chǎng)景2簡(jiǎn)單紋理干擾不同方法的質(zhì)量評(píng)估Table 5 The image quality assessment of scene 2 under the interference on the simple texture

表6 對(duì)場(chǎng)景2復(fù)雜紋理干擾不同方法的質(zhì)量評(píng)估Table 6 The image quality assessment of scene 2 under the interference on the complex texture

5 結(jié)束語(yǔ)

本文提出了一種基于紋理的符合人類視覺(jué)感知的SAR圖像質(zhì)量評(píng)估方法。該方法能夠?qū)崿F(xiàn)符合人類視覺(jué)感知的干擾圖像質(zhì)量評(píng)估，不僅對(duì)整體壓制性干擾有較好的評(píng)估效果，對(duì)于干擾在不同的紋理區(qū)域的評(píng)估結(jié)果，更優(yōu)于傳統(tǒng)的評(píng)估方法。但對(duì)于SAR圖像 紋理特征的提取需要的時(shí)間較長(zhǎng)，不利于工程實(shí)現(xiàn)，未來(lái)的研究重點(diǎn)將著力解決特征提取的時(shí)間問(wèn)題，并對(duì)SAR干擾圖像和主觀判讀分?jǐn)?shù)建立一個(gè)數(shù)據(jù)庫(kù)，為以后對(duì)不同干擾的SAR圖像質(zhì)量評(píng)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(píng)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(píng)估研究［J］.航天電子對(duì)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(píng)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(píng)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(guó)強(qiáng)，劉陽(yáng)，李永禎.基于視覺(jué)加權(quán)處理的SAR干擾效果評(píng)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.