基于图像分析的机场跑道毁伤效果评估研究＊

蒲 刚 许 鹏 任 平 薛置滢

（1.第二炮兵指挥学院研究生管理大队 武汉 430012）（2.第二炮兵指挥学院信息作战教研室 武汉 430012）

1 引言

在最近的几场高技术条件下局部战争中，空袭已经成为重要作战样式，而机场作为空军遂行空袭任务的重要依托，是飞机着陆、停放及组织保障飞行活动的主要场所。因而，对敌方机场实施摧毁是敌对双方的重要作战行动之一。一般说来，机场位于纵深地域，因此，对敌机场毁伤信息的获取主要依靠卫星和无人机来进行侦察，利用图像处理和分析技术进行打击效果评估是当前研究的热点问题之一。

机场目标一般由飞机活动区（包括跑道、滑行道、联络道和停机坪）、作战指挥保障设施（包括指挥、导航设施）、作战勤务设施（包括油库、机库、弹药库、航材库和供电、修理设施等）、营区等部分组成。由于机场指挥、保障设施的多样性和可替代性，一般不宜被瘫痪，但机场的起降跑道是飞机作战必须场所，属易损部位，可作为机场的要害进行打击。常规导弹打击机场跑道一般使用侵彻子母弹，可以达到压制或瘫痪的目的。

本文充分利用图像处理和分析技术，研究基于最长跑道距离的机场跑道毁伤效果评估方法，着重研究毁伤后机场跑道弹坑识别算法和机场的最长跑道距离提取算法。

2 毁伤后机场跑道弹坑识别

毁伤后机场跑道图像的弹坑检测主要是通过分析弹坑的灰度、形状、大小、纹理等特征，通过图像处理、模式识别等方法将毁伤后机场跑道图像中的弹坑检测出来。为了识别毁伤图像上的弹坑目标，相关文献提出通过建立弹坑模板库的方法将模板库中的弹坑模板图像与毁伤后的图像作相关性分析，最终检测出毁伤区域，但是这种方法需要建立的模板数量太多，且很难建立完整的模板库。因此，本文针对毁伤后机场跑道图像弹坑的特征，研究一种基于邻域灰度差值的弹坑识别算法。

本文通过分析像素点的灰度值与其八邻域像素灰度值的关系来进行弹坑的识别。在机场跑道的局部范围内，弹坑与跑道的灰度值变化较大且差值稳定，因此可以设置一个弹坑与跑道灰度差的阈值，通过这个阈值来识别机场跑道上的弹坑，经验值可以作为弹坑与跑道灰度差的阈值，但是由于图像的多变性使得这个阈值的选取会随着图像的变化而变化，且经验值的选取受主观因素影响较大，针对这个问题，本文参考文献［1］中的方法，对阈值的计算方法进行改进。

弹坑与机场跑道灰度差值的阈值计算方法由式（1）确定

式（1）中，（minhistqian）和（minhisthou）分别表示毁伤前后机场跑道图像的最小灰度值。即用毁伤前后机场跑道图像的最小灰度值之差作为毁伤后机场跑道图像的弹坑与跑道灰度差的阈值。

弹坑识别算法如下：

1）计算毁伤前机场跑道图像的最小灰度值（minhistqian），毁伤后机场跑道图像的最小灰度值（minhisthou），根据式（1）计算阈值Tc。

2）遍历毁伤后机场跑道图像中的每一个像素，计算其与邻域像素（本文取为八邻域）的灰度差值，并统计该差值大于Tc的个数n。如果n≥5，则该像素为弹坑点；如果0＜n＜5，则该像素为疑似弹坑点。

3）把四邻域中不存在与中心像素灰度差值大于阈值Tc的疑似弹坑点去掉。

4）将八邻域与中心像素灰度差值大于阈值Tc的单像素疑似弹坑点添加为弹坑点。

3 机场的最长跑道距离提取算法

3.1 机场最长跑道距离的定义

机场跑道遭到子母弹打击之后，在跑道上散布着不同大小的弹坑。毁伤后机场跑道上存在着符合某型飞机最小起降窗口宽度的跑道区域，其中最长跑道区域的长度称之为毁伤后机场跑道的最长跑道距离。毁伤后机场的最长跑道距离示意图如图1所示。

图1 毁伤后机场的最长跑道距离示意图

图1中，标数字的矩形区域均为符合某型飞机最小起降窗口宽度的跑道区域，7号矩形区是其中最长的跑道区域，因此，7号矩形区域的长度为该毁伤后机场的最长跑道距离。

3.2 机场最长跑道距离的提取算法

在提取机场的最长跑道距离之前，需要检测机场跑道的边缘，经典的边缘检测方法是构造差分算子用以检测图像灰度阶跃变化。常用的边缘检测算子有Sobel算子、Prewitt算子、RobertCross算子、Laplace算子等。本文选用Sobel算子对机场跑道二值图像进行边缘检测。

提取机场最长跑道距离的研究，文献［2］中的方法是将敌方飞机的最小起降窗口做成模板，以不同的方向在真实的毁伤跑道图中滑动，通过这种方式来检测毁伤跑道图像中是否存在比最小起降窗口大或与之相等的区域。根据毁伤后机场跑道二值图像的特点，本文对文献［3］中的最长跑道距离提取算法做了适当的改进。机场上某型飞机的最小起飞宽度为Wp，最小起飞长度为Lp。最长跑道距离提取算法可以描述如下：

1）首先建立一个列向量W＝［1 1 1…1］T，其行数为某型飞机最小起降窗口的宽度，本文中某型飞机最小起降窗口的宽度为20m，图像分辨率为4m，因此向量W 的行数为5，即：W＝［1 1 1 1 1］T。

2）在毁伤后机场跑道二值图像中，寻找机场跑道的边缘点。采用Sobel算子进行机场跑道的边缘检测。

3）令向量W 的起点依次与跑道边缘点重合，用向量W和机场跑道二值图像作与运算，若运算结果等于向量W，则扩展向量W 的列数，重复作与运算，直到结果不等于向量W 时，停止运算，那么前一次运算时W 的列数即为该边缘点在这个方向上的最长跑道L（1，1）。

4）将向量W 在该边缘点上旋转一个角度，继续作第三步的运算，可以得到该边缘点上在一次旋转角度后的最长跑道L（1，2）。经过计算，以跑道方向为基准，旋转（－7°，7°）就可以完全搜索出机场的最长跑道（L（i，j）≥330），然后得到这个边缘点上的最长跑道距离L（1）由式（2）确定

5）对每个边缘点作第三步和第四步运算，分别得到L（1），L（2），L（3），…，其中的最大值为机场的最长跑道距离La。

4 机场跑道毁伤效果评估

4.1 机场跑道毁伤效果评估流程

机场跑道的毁伤效果评估流程图如2图所示。

图2 机场跑道的毁伤效果评估流程图

图2中，需要把毁伤前后的机场图像进行配准，将毁伤前机场跑道的二值图像和经配准的毁伤后机场图像作与运算，得到毁伤后的机场跑道图像。在毁伤后机场跑道图像上进行弹坑识别，然后用经本文改进的机场最长跑道距离提取算法提取出最长跑道距离。通过比较机场的最长跑道距离和某型飞机最小起降窗口的长度来评估机场跑道的毁伤等级，以此来指导下一步的作战决策。

4.2 机场跑道毁伤等级划分方法

判断机场跑道目标的毁伤等级，本文对文献［3］中的划分方法进行改进，建立如式（3）的划分方法：

式（3）中，La为机场的最长跑道距离，Lp为某型飞机最小起降窗口的长度。当La＞2Lp时，毁伤等级μ定为8级，即μ＝8。

经过计算，机场跑道毁伤等级的分析评判原则如表1所示。

表1 机场跑道毁伤等级分析评判原则

5 实验结果分析

通过MATLAB编程实现了基于邻域灰度差值的弹坑识别算法。弹坑识别的结果如图3（b）所示。由图3（b）可以看出，机场跑道上的弹坑已经被识别出来。

图3 毁伤后机场图像和弹坑识别后的机场跑道图像

为了定量描述弹坑识别的效果，本文参考文献［4］中评价检测性能的正确率和虚检率两个指标。正确率和虚检率的表达式为

式（4）、（5）中，Csum表示毁伤图像中的弹坑个数，Cget表示试验识别出的弹坑个数，Cright表示试验正确识别出的弹坑个数，Crong表示试验错误识别出的弹坑个数。

经过多次实验得到的数据如表2所示。

表2 弹坑目标识别实验结果数据

从表2可以看出，基于邻域灰度差值的弹坑识别算法识别正确率均在91%以上，虚检率都低于5%，弹坑识别效果较好。

将弹坑识别后的机场跑道图像旋转一定角度，使之与图像的长边缘平行，再截取用于飞机起降的跑道图像如图4（a）所示。

图4 用于飞机起降的跑道图像和提取的最长跑道距离

利用最长跑道距离提取算法来提取图4（a）中机场的最长跑道距离，结果如图4（b）所示。实验测得图4中的最长跑道距离La为340m，以战斗机幻影2000为例，其最小起降窗口长度Lp为646m。按照4.2节对机场跑道毁伤等级的划分准则，图4中机场跑道的毁伤等级为7.37，毁伤情况为严重毁伤，该机场跑道上已经不存在可供飞机起降用的最小起降窗口。

通过对多幅不同毁伤效果的机场图像进行实验，得到如表3的实验数据。

表3 场跑道毁伤效果评估实验数据

6 结语

本文研究了机场跑道的毁伤效果评估问题。采用经本文改进的基于邻域灰度差值的弹坑识别算法对毁伤后的机场跑道图像进行弹坑识别。在弹坑识别后的机场跑道二值图像上，通过最长跑道距离提取算法提取出最长跑道距离。研究了机场跑道的毁伤等级划分方法，通过比较机场的最长跑道距离和某型飞机最小起降窗口的长度来评估机场跑道的毁伤等级。实验表明，基于邻域灰度差值的弹坑识别算法取得了较好的弹坑识别效果，利用机场最长跑道距离对机场跑道毁伤效果进行评估的结果比较准确、直观。

［1］王海兵.基于遥感图像的子母弹机场毁伤的效果分析研究［D］.南京理工大学硕士学位论文，2007，7.

［2］马波.基于图像分析的机场打击效果评估研究［D］.华中科技大学硕士学位论文，2004，5.

［3］郜鹏飞.机场目标毁伤评估算法研究及半物理仿真系统设计［D］.上海交通大学硕士学位论文，2009，1.

［4］陈志鹏，邓鹏，种劲松，等.纹理特征在SAR图像变化检测中的应用［J］.遥感技术与应用，2002，17（3）：162－166.

［5］尤晓建.基于目标识别的机场跑道打击效果评估研究［J］.计算机与数字工程，2010，38（10）.