激光干扰图像质量的交叉熵评估

刘 飞,邵晓鹏,韩平丽,相里斌,2,任 勐

(1.西安电子科技大学物理与光电工程学院,陕西西安 710071;2.中国科学院光电研究院,北京100094;3.西安现代控制技术研究所,陕西西安 710065)

激光干扰图像质量的交叉熵评估

刘 飞1,邵晓鹏1,韩平丽1,相里斌1,2,任 勐3

(1.西安电子科技大学物理与光电工程学院,陕西西安 710071;2.中国科学院光电研究院,北京100094;3.西安现代控制技术研究所,陕西西安 710065)

针对光电对抗中成像制导武器易受激光干扰的问题,结合制导跟踪原理和抗干扰机理,提出了利用图像的交叉熵来对其干扰质量进行评估的方法.根据信息论中熵的概念,分析了干扰前后图像之间的相似度关系;充分利用图像熵的优点,综合考虑激光干扰图像的质量评估流程,建立了激光干扰图像质量评估函数,分别从理论和实验上分析了评估函数对激光干扰图像质量评价的有效性.与其他方法相比,该方法能够准确地获得激光干扰成功时的阈值,广泛适用于激光干扰成像制导武器的图像质量评估.

交叉熵;图像质量评估;光学寻的器;相关峰

随着光电对抗技术的迅猛发展,各种光电成像器件在光电侦察、光电跟踪测量设备以及光电制导武器等领域得到了广泛的应用,也激发了人们对其干扰、损伤效应研究的热情[1-3].在战场条件下,以各种光电成像器件为核心的光电设备,受到激光的干扰和损伤后将严重影响光电设备的正常工作,而激光对成像器件的干扰和损伤程度、受干扰后能否正常工作以及如何对干扰效果进行恰当、合理的评估是人们非常关心的问题[4-5].全面合理地对干扰效果进行评估将有助于对光电成像器件受激光干扰后的各个阶段进行全面深入的了解,这是一项很有意义又亟待解决的问题.

对于光电探测器性能受激光干扰影响这一问题,国内外也进行了很多相应的研究.熊晓伟[6]提出以能量阈值准则来评估激光致盲武器对光电探测器的干扰效果.王世勇[7]以面阵CCD光电探测作为干扰目标,运用模糊综合评估理论对激光干扰效果进行了相关探讨.赵大鹏等[8]从提取图像特征的角度,依据成像制导系统的不同跟踪方式(对比度跟踪、相关度跟踪),对成像制导系统的干扰效果进行了评估.刘严严、孙运强等[9-10]运用小波变换对激光干扰图像质量进行评价.Wang等[11]基于人眼视觉特性以及视觉注意机制进行了图像质量评价方面的研究.Meyer等[12]研究了CO2激光器对HgCd Te、PbSn Te红外探测器的干扰,并对光电探测器的干扰机理进行了相应分析.Nathan[13]研究了光电探测器的干扰类型,并对激光干扰的方法进行了总结.Sheikh等[14]从图像的统计学评价方面对图像质量进行研究分析.Wang等[15]则主要基于人类视觉,从图像的结构上进行了图像质量的评价.以上的研究基本都是基于图像结构分布和人眼视觉特征进行了干扰图像质量评估,取得了比较好的效果.

基于图像的交叉熵,笔者从信息论的角度对激光干扰图像进行质量评估,充分利用了图像信息.目前,基于熵的概念的图像质量评估只是从影响的某一方面来进行,缺少从抗干扰角度来综合判断干扰效果的方法.另外,现有的关于图像熵的文献主要都是从图像信息丢失的角度来进行分析的,没有从干扰前后的统计相似性来进行评估.因此,笔者研究了表征统计相似性的交叉熵的概念,从图像交叉熵出发,建立了对激光干扰图像质量评估的方法,并且进行了相应的理论研究和实验分析.

1 基础理论

1.1 图像的熵

1850年,德国Rudolf Clausius等[16]首次提出了熵的概念,用来表示任何一种能量在空间中分布的均匀程度[16].能量分布越均匀,熵就越大.一个体系的能量完全分布时,这个系统的熵就达到最大值.图像的熵是图像特征的一种统计形式,它反映了图像中平均信息量的多少[17].图像的一维熵表示图像中灰度分布的聚集特征所包含的信息量,定义为

其中,p(xi)是xi灰度在图像中出现的概率,N为图像的总灰度数.

由式(1)可知,图像的熵函数具有以下性质:

(1)当所有的X都有p(xi)=1/N时,熵函数取得最大值,即对于等概率事件,熵函数值最大; (2)当所有的X都有p(xi)=0或1时,熵函数取得最小值,即对于确定性事件,熵函数值最小.

1.2 图像的交叉熵

根据图像的熵的定义以及性质可知,图像的分布熵仅表示一幅图像所包含的信息量的情况,而不能很好地表示图像受激光干扰的程度,以此引出图像的交叉熵[18].图像的交叉熵(相对熵)一般用来度量两种不同概率分布之间的信息差异,对于两幅图像X和Y,交叉熵定义为

当p(xi)=0或p(yi)=0时,定义l n( p(xi)p(yi))=0.交叉熵是评价两个概率分布差异的关键指标,它直接反映了两个概率分布的统计相似性.故而根据图像交叉熵的理论分析,很容易得出干扰前后图像的交叉熵值.

表1 主观质量评价方法

1.3 激光干扰图像的干扰质量评估

1.3.1 激光干扰图像的质量评价方法

激光干扰图像质量评价是图像信息工程领域一项很有意义的研究课题.目前常用的评价方法主要有两种类型,即主观质量评价与客观质量评价.主观质量评价是通过评分归一化的方法来判断图像质量的,它主要包含两种度量尺度,即相对尺度和绝对尺度,如表1所示[19].因其测试条件比较困难,且受个人情绪等一些无法预测与控制的因素影响,在实际应用中受到一定的限制[20].传统的客观评价方法(均方误差、峰值信噪比等)通常是基于与标准图像的灰度差异越大退化越严重的思想,算法简单,易于实现,但是评价量常与主观值有较大差别.

1.3.2 基于图像交叉熵的干扰质量评估

熵是从信息论的角度反映图像信息丰富程度的一种度量方式.根据香农信息论原理,用信息熵作为参考图像进行图像质量评价,主要考虑到如下优点:

(1)当图像中像素的灰度值在各灰度级间均匀分布时,熵具有最大值.此时图像的信息量最丰富,灰度分布最均匀,层次最多,图像质量最好.

(2)当图像中的所有像素只有某一灰度级,而没有其他灰度级时,熵具有最小值(为零),此时图像已无任何信息,即图像质量最差.

(3)当图像中灰度级数逐渐减少时,熵也随之减小,图像质量逐渐变差.

通过上述分析可知,图像的信息熵表示了图像质量的退化程度.对于激光干扰后的图像,即当某一灰度级掩盖另一个或几个灰度级时,信息熵评价是可行的.鉴于以上理论研究,笔者将图像的信息熵引入到光电对抗中,并对探测器所获取的激光干扰图像进行评价.图像的交叉熵是用来度量图像受干扰前后的灰度值概率分布之间的信息差异的,也就是反映了干扰前后所得图像的统计相似性,由于交叉熵具有原来图像熵所不具有的优势,特别是交叉熵能够有效地判断干扰前后图像之间的关系,而不仅仅是表示干扰前后图像信息量的丢失来度量干扰效果,因此基于图像交叉熵的干扰效果评估具有更好的效果.

如图1所示,图像质量评价流程为先提取图像(原始图像和待评价图像)的特征信息,再构建评价函数,以此获得评价印象(即利用已构造的评价函数对图像评价的结果),最后汇总结果,得到评价结果值.

图1 图像质量评价流程

综上所述,对于激光干扰图像建立基于图像交叉熵的质量评估函数Hce为

其中,A、B分别为干扰前后的图像.在m×n的图像中,任意灰度出现的概率p定义为

其中,f(x,y)表示图像中(x,y)像素的灰度值.从图像交叉熵的定义可以看出,当干扰前后的图像A、B相同(即pAi=pBi)时,上文所建立的干扰图像质量评价函数Hce=0;而对于序列图像中干扰的图像而言,在目标可以被识别(即图像灰度分布基本相同)时,交叉熵评估函数Hce的值随着灰度分布差异的增大而逐渐增大,这样就可以通过文中所建立的干扰质量评估函数对激光干扰前后所获取的图像质量进行评估.

2 实验结果及分析

光学相关寻的器是一种新型的目标识别与跟踪系统,它具有并行高速、鉴别率高等优点,且单次处理信息容量大,相对于单纯计算方法在处理速度上具有很大的优势[21-22].其基本原理是依据相关峰的强弱变化和位置变化来实现对目标的识别与跟踪,因此,采用激光辐照的方式可以实现对光学寻的器的干扰.笔者利用在实验过程中采集到的激光干扰图像,通过图像交叉熵的计算和建立起的图像质量评价函数来评价激光的干扰效果.

如图2所示,I0为无激光干扰时的原图像,I1～I8为受不同程度的激光干扰效果图像.依据图2所示图像,计算了各个干扰图像所对应的相关峰值以及交叉熵值.

图2 激光干扰图像

相关峰是导引头用来识别和制导的跟踪算法的基本理论.若导引头所获得的图像相关峰值为零,则说明导引头已经无法识别视场内的目标;而基于小波变换的视觉加权相关度(WWC)则是对原图像和降质图像分别进行小波分解,通过人眼视觉对比度敏感带通模型来确定加权系数,分别对其进行加权处理得到WWC的评价函数[19].由表2所示的数据对比可得,在成功干扰的临界位置,图像交叉熵会出现明显峰值.如图2所示,在激光干扰强度较低的图I1、I2和I3中,干扰图像的相关峰、WWC以及图像的交叉熵变化较小;随着激光干扰强度的增加,相关峰和WWC逐渐减小,而图像的交叉熵则逐渐增大;当干扰强度增大到一定程度时,如I6所示,相关峰消失,WWC的数值持续减小,而图像的交叉熵则在此时急剧下降,随着干扰强度的继续增大,图像的交叉熵值持续减小.用文献[19]中的WWC方法来判断激光干扰效果时,由于其值随着激光干扰强度的增强而持续减小,并没有明显的峰值变化特征,而文献[19]中规定WWC等于4即为干扰是否成功的判别阈值这一结论则不够严谨.通过实验和计算分析可得,在激光干扰成功的临界点处图像的交叉熵出现明显的变化(峰值最大值),即为激光干扰成功与否的阈值.

表2 不同评价函数的激光干扰图像评价结果

根据1.3节建立的干扰图像质量评价函数Hce,可以获得激光干扰成功时所需的临界值.如图2所示的受干扰图像中,当目标的明显特征存在时,图像交叉熵逐渐增大;至图I5所示时,交叉熵达到最大值,此时干扰激光达到目标能够被分辨的情况下的最大值;此后随激光干扰强度的增大,图像的交叉熵逐渐减小,图I6～I8已经失去目标的基本信息,即对于光学寻的器的干扰已经成功.综上所述,对于此类图像的干扰效果评价,图像的交叉熵在最大值处是图像濒临干扰成功的临界值.判断序列图像的激光干扰效果时,图像的交叉熵不仅能够准确判断对光学寻的器的干扰效果,而且可以获取激光干扰成功时的临界值.

依据表2所给出相关峰的强弱变化情况,可以将激光对光学寻的器的干扰效果分为两个等级:一级为干扰无效,表示寻的器受到激光干扰后,虽然跟踪精度受到了一定的影响,但是依然能够识别并跟踪目标;二级干扰为有效干扰,表示寻的器已经无法识别并跟踪目标了.如图3所示,对于图2所示的图像,AB为一级干扰,BC为二级干扰,B点为目标可以被光学寻的器识别的极限情况.以上分析说明,基于图像交叉熵的干扰质量评估能够很有效地评估光学寻的器是否被干扰成功.

3 总 结

针对光学寻的器易受外界光源影响,对其制导精度产生影响且现有的评估方法不能完全利用所获取图像的所有信息来进行客观评价这一问题进行了研究,结合信息论中图像熵的优点,提出利用图像交叉熵来进行激光干扰图像质量评估的方法.首先详细阐述了该方法的原理以及数学模型,然后通过实验对干扰强度不同的激光图像进行分析计算,再结合评价激光干扰图像质量的一般常用方法进行研究,最后得出不同激光干扰强度下的图像交叉熵值.该结果表明,图像交叉熵能够很好地进行激光干扰图像的质量评估,具有很强的实用性.

利用图像交叉熵进行激光干扰图像的质量评估是一种新方法,不但为激光干扰图像的质量评价提供了新思路,而且也对其他领域的图像质量评价提供了参考.基于图像交叉熵的干扰效果评估方法能够提高图像中信息的利用率,呈现图像之间的关系,是今后图像质量评价的一个重要研究方向.

图3 图像交叉熵变化示意图

[1]王卫卫,席灯炎,杨塨鹏,等.利用结构纹理分解的海洋舰船目标检测[J].西安电子科技大学学报,2012,39(4):131-137.

Wang Weiwei,Xi Dengyan,Yang Gongpeng,et al.Warship Target Detection Algorithm Based on Cartoon-texture Decomposition[J].Journal of Xidian University,2012,39(4):131-137.

[2]张双喜,张磊,郭睿,等.利用小波变换进行合成孔径雷达窄带干扰抑制算法[J].西安电子科技大学学报,2011,38 (5):108-114.

Zhang Shuangxi,Zhang Lei,Guo Rui,et al.Sar Interference Suppression Algorithm for Narrow Band Interference via Wavelets[J].Journal of Xidian University,2011,38(5):108-114.

[3]洪鸣,刘上乾,王大鹏,等.强光弹对抗红外成像制导导弹的干扰机理[J].西安电子科技大学学报,2007,34(6):986-988.

Hong Ming,Liu Shangqian,Wang Dapeng,et al.The Jamming Mechanism for Intense Light Bomb Antagonizing Infrared Imaging Guided-missiles[J].Journal of Xidian University,2007,34(6):986-988.

[4]崔力,陈玉坤,韩宇.视觉相似性图像质量评价方法[J].西安电子科技大学学报,2012,39(4):155-159.

Cui Li,Chen Yukun,Han Yu.Visual Similarity Index for Image Quality Assessment[J].

Journal of Xidian University, 2012,39(4):155-159.

[5]王体胜,高新波,路文,等.一种新的部分参考型图像质量评价方法[J].西安电子科技大学学报,2008,35(1):101-109.

Wang Tisheng,Gao Xinbo,Lu Wen,et al.A New Method For Reduced-reference Image Quality Assessment[J]. Journal of Xidian University,2008,35(1):101-109.

[6]熊晓伟.光电干扰效果定量评价的研究[D].西安:西安电子科技大学,1995.

[7]王世勇.激光对CCD探测器干扰损伤的研究及模糊评估[D].长春:长春光学精密机械与物理研究所,2002.

[8]赵大鹏,时家明.基于图像特征的成像制导对抗干扰效果评估方法[J].激光与红外,2005,35(8):599-601.

Zhao Dapeng,Shi Jiaming.Effectiveness Evaluation Method Based on the Image Characteristic for Imaging Guidance Countermeasures[J].Laser and Infrared,2005,35(8):599-601.

[9]刘严严,赵英超,胡涛.基于小波变换的激光干扰图像质量评价[J].中国激光,2012,49(11):111001

Liu Yanyan,Zhao Yingchao,Hu Tao.Quality Assessment of Laser Disturbing Images Based on Wavelet Transform[J]. Chinese Laser,2012,49(11):111001.

[10]孙运强,程湘爱,王飞.一种针对激光干扰图像的质量评价方法[J].红外与激光工程,2007,36(5):659-662.

Sun Yunqiang,Cheng Xiangai,Wang Fei.Method of Quality Evaluation Aimed at Laser-disturbing Image[J].Infrared and Laser Engineering,2007,36(5):659-662.

[11]Wang Bo,Wang Zhibing,Liao Yupeng,et al.HVS-based Structural Similarity for Image Quality Assessment[C]//Processings of IEEE International Conference on Signal Processing.Piscataway:IEEE,2008:1194-1197.

[12]Meyer J R,Kruer M R,Bartoli F J.Optical Heating in Semiconductors:Laser Damage in Ge,Si,InSb and Ga As[J]. Journal of Applied Physics,1980,51(10):5513-5523.

[13]Nathan V.Laser Damage in MWIR MCT Detectors[C]//Proceedings of SPIE:2114.Bellingham:SPIE,1994:726-731.

[14]Sheikh H R,Sabir M F,Bovik A C.A statistical Evaluation of Recent Full Reference Image Quality Assessment Algorithms[J].IEEE Transactions on Image Procession,2006,15(11):3441-3452.

[15]Wang Zhou,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.

[16]Schneider R Z,Fernades D.Entropy Concept for Change Detection in SAR Images[C]//Proceedings of 4th European Conference on Synthetic Aperture Radar.Berlin:VDE Verlag Gmb H,2002:221-224.

[17]De I,Sil J.Entropy Based Fuzzy Classification of Image on Quality Assessment[J].Journal of King Saud University-Computer and Information Sciences,2012,24(2):165-173.

[18]Schneider R Z,Fenardes D.Entropy Among a Sequency of SAR Images for Change Detection[C]//International Geoscience and Remote Sensing Symposium:2.Piscataway:IEEE,2003:1389-1391.

[19]孙运强.激光干扰图像质量评价方法研究[D].长沙:国防科学技术大学,2006.

[20]Hwang J J,Wu H R.Stereo Image Quality Assessment Using Visual Attention and Distortion Predictors[J].KSII Transactions on Internet and Information Systems,2011,5(9):1613-1631.

[21]陈前荣.目标图像的光学相关识别与运动模糊图像的恢复[D].长沙:国防科学技术大学,2004.

[22]陈伯孝,吴铁平,张伟,等.高速反辐射导弹探测方法研究[J].西安电子科技大学学报,2003,30(6):726-729.

Chen Boxiao,Wu Tieping,Zhang Wei,et al.Detection of High-speed Anti-radiation Missiles[J].Journal of Xidian University,2003,30(6):726-729.

(编辑:郭 华)

Quality assessment of the laser disturbing image utilizing cross entropy

LIU Fei1,SH AO Xiaopeng1,HAN Pingli1, XIANGLI Bin1,2,REN Meng3
(1.School of Physics and Optoelectronic Engineering,Xidian Univ.,Xi’an 710071,China;2.Academy of Opto-electronics,Chinese Academy of Sciences,Beijing 100094,China;3.Xi’an Institute of Modern Control Technology,Xi’an 710065,China)

A method for assessing the quality of disturbed image uses the cross entropy of the image for the problem that the imaging-guided weapons are liable to suffer laser interference by combining with the principles of guided tracking and anti-jamming mechanism.It is on the basis of the concept of cross-entropy in information theory that the method is presented.Analyses of similarity between images before and after disturbing are made to decide the evaluation function which combines the advantages of cross-entropy and the process of image quality assessment.The validity of the function derived is analyzed theoretically and experimentally.Experimental results are presented,and the method for the quality assessment of the laser disturbed image based on cross entropy can accurately obtain the threshold when laser interference is successful,so it is widely applicable to laser disturbing image quality assessment.

cross entropy;image quality assessment;optical seeker;correlation peak

TN977

A

1001-2400(2014)05-0129-06

2013-06-23< class="emphasis_bold">网络出版时间:

时间:2014-01-12

陕西省留学人员科技活动择优资助项目(68DP1204)

刘 飞(1986-),男,西安电子科技大学博士研究生,E-mail:sherwin1986@163.com.

http://www.cnki.net/kcms/doi/10.3969/j.issn.1001-2400.2014.05.022.html

10.3969/j.issn.1001-2400.2014.05.022