迷彩伪装效果的综合评估

姜晋冉，盛乐园，成红梅，于　勤，李培培

（阜阳师范学院 数学与统计学院，安徽 阜阳 236037）

迷彩伪装效果的综合评估

姜晋冉，盛乐园，成红梅，于勤，李培培*

（阜阳师范学院 数学与统计学院，安徽 阜阳 236037）

为了实现迷彩伪装效果的评价，选择出与背景颜色具有更好伪装效果的图案，鉴于评价指标具有不同的属性，本文提出了基于灰色关联度分析的综合评价方法。首先将样本与背景颜色进行比较，选取颜色、亮度、形状和纹理等4项特征作为评价指标，然后利用灰色关联度分析得出了8张样本图案在3种背景图案下的4项指标排序，最后利用Borda数排序法，得出了8张样本图案在3种环境下的综合伪装效果的排序，从而寻找出适应范围更广的迷彩图案。

伪装效果；综合评价；灰色关联分析；排序

迷彩伪装可以提高士兵和装备战场生存能力，在现代战争中具有重要作用。但如何评价迷彩伪装的优劣，以及如何选出能够适合多种背景的迷彩图案，目前尚无统一标准。迷彩伪装评价的传统方法是实地观测，然而在很大程度上它受到观测人员的主观因素影响，导致评价结果不科学，并且还会造成人力和物力资源的浪费。

为解决这些问题，许多科研人员进行了相关研究。许卫东等提出了一种基于欧氏距离的伪装性能评估模型［1］，通过迷彩图案的斑纹特征进行伪装评估；张桂艳等对地面设备数码迷彩伪装技术研究［2］，提出了数码迷彩伪装以及数码迷彩伪装的优化模型；汪东等通过建立灰度直方图来评价伪装效果［3］；秦建飞等通过数码仿造迷彩客观定量评价来改进评价伪装效果［4］；邓建军等通过基于云理论的地空导弹武器假目标逼真度评价［5］。这些对本文对迷彩伪装评价的研究有一定参考价值。但单一的评价指标只能有效评价某些特定背景，大部分的背景就不能评价得出准确结果。

除此以外还有一些具体的评价方法，王贺等提出的基于容限近集理论的光学伪装评价研究［6］，使用图像的颜色（灰度）、纹理特征和统计功能，集合了图像综合信息，利用容限近集相关知识，基于这些特征找出图像在伪装前后的所有容限近似类，得到一个全面伪装评价指标的近似测量（tNM）。杨佳等提出迷彩伪装的高光谱特性分析中［7］，对高光谱成像条件下的迷彩伪装特性及影响伪装效果的因素进行了综合分析。在光谱维，从高光谱图像中直接提取光谱曲线，确定了图像对比度高、迷彩伪装特征明显的光谱波段，为迷彩伪装的设计及识别提供了理论参考。侯磊等提出的数码迷彩伪装效果评价方法的研究中［8］，基于FPGA+DSP为核心的硬件系统优化方案，根据伪装学原理结合图像处理等手段，对已生成的数码迷彩区域进行边缘检测，对图像的主色调、亮度、纹理特征进行提取建立了一种合理的评价方法。

根据以往的研究出现的评价指标单一，且评价主观和评价效能低等问题。本文综合多项伪装评价指标，提出了基于灰色加权关联度分析的综合评价法，并通过计算与实验验证了该方法的有效性，最终选择出适合多种环境的迷彩图案。

1　综合评价理论体系

根据迷彩服的设计原则综合选取了颜色特征、亮度对比、纹理特征、边缘形状作为评价指标，分别与林地、雪地、沙漠三种不同的背景环境进行对比，最后应用灰色综合评价，找出在林地、雪地、沙漠三种环境下伪装效果最好的图案。综合评价的流程图如图1所示。

图1 综合评价流程图

1.1颜色特征

颜色特征是人类视觉机制的一个重要因素。为研究方便，本文选择能较好地符合人类视觉感知的HSV色彩空间。它由表示不同颜色的色调（H）、表示颜色深浅的饱和度（S）和表示颜色明暗程度的亮度（V）三个分量组成［9］。

根据人类视觉机制对颜色特性要求，以及对伪装目标的颜色特征要求，在H，S和V每个颜色空间范围内，分别取12，5和5个区间并对其进行量化。量化后的H，S和V结果，如表1-3所示。

表1　12个色调区间量化的结果

表2　5个饱和度区间量化的结果

表3　5个亮度区间量化的结果

量化完成后，将H、S和V三个颜色分量合成一个特征式

其中Q=0，1，…，299，共300个区间。由于两个直方图测量交叉迷彩颜色和背景颜色特征的相似性，可把直方图即图像的相似性度量表示为

其中A和B分别为在同一亮度条件下伪装的背景图像，HA［i］和HB［i］（i=1，2，…，L）为颜色直方图特征向量。

1.2亮度特征

亮度可引起视觉注意，是最直接地刺激人眼接触的一个重要因素。在本文中，选用颜色的对比色即Lab颜色空间，其中L是亮度，取值是0～100（纯黑～纯白），a表示从红到绿，b表示从黄到蓝。在Lab颜色空间中，可单独调整L的亮度，L的亮度转换关系如下：

其中，Y是亮度三色值CⅠEXYZ色彩空间；Y0参考辐射强度白光，在标准光源D65照明下，取Y0= 100。图像之间的亮度差异值可使用下面的公式计算得出

其中L1表示背景亮度；L2表示目标亮度。

1.3形状特征

形状特征是目标识别的关键信息，与彩色或灰度图像的细节变化无关，具有很好的稳定性和良好的平移、旋转和缩放不变性。视觉生理分析阶段的主要特征信息包括欧拉数、平均值、方差的奇异度、封闭区域的平均数、边缘点和边缘像素的均值和方差。提取边缘方向形状特征以检测图像的边缘。边缘检测是局部灰度级或结构的突变检测。Canny算子被用于提取图像边缘，在MATLAB环境下，利用边缘图像处理工具箱函数，可计算图像的边缘，使用bwlabel函数提取边缘到标签矩阵，然后计算形状功能与regionprons功能。

1.4纹理特征

纹理特征集成图像的相位信息，主要特征量包括图像相关的长度、纹理方向、光谱相似性、图像相似性和直方图相似性。

图像相关长度r表示图像纹理的粗细程度，可以从傅立叶频谱的图像来计算：

其中W为图像的Wiener功率谱。

其中F（u，v）为图像的傅里叶频谱。

纹理方向θ表示图像纹理的主要朝向：

其中

如果有函数f（x，y）和g（x，y），则其相似度P为：

图像相似度表示图像的相似程度。在MATLAB环境下，利用corr2函数可以直接调用图像处理工具箱，计算目标和背景图像之间的相似度，并取平均值作为目标值的特性的评价。

2　伪装样本的评估

为客观地评价各种风格的迷彩伪装效果，我们选择了8个典型的迷彩图案，提取的亮度对比、颜色特征、纹理特征和边缘形状的四个指标。在同样的能见度条件下，如森林、雪地和沙漠环境，确定四个指标的权重。应用灰色关联分析方法，计算加权灰色关联度。然后可以评估各种迷彩伪装效果。从标题中提取的信息，我们选了八种风格和三种迷彩纹理的背景环境，样品如图2-3。

图2　八个典型的迷彩图案的样本

图3　三种迷彩纹理的背景环境

这些评价的指标中，各因素的物理意义并不相同，因此数据的量纲也不一定相同，导致不容易去比较不同指标，常常需要进行灰色关联度分析［10-11］。

本文关键算法表述如下：

Step1：确定分析序列，即确定反映系统行为特征的参考序列和影响系统行为的比较序列。将背景颜色的指标作为参考序列

将样本指标的值作为比较序列

Step2：灰色关联系数的计算。

序列的第k指标的关联系数的参考序列x0，其中ρ∈［0，1］为判别系数，

分别为两级最小差异和两级的最大差异。在一般情况下，ρ的判别系数越小，分辨率越大；分辨系数ρ越大，分辨率越小。

Step3：计算灰色加权关联度［12-13］。

根据灰色加权关联度的计算公式：

其中，第i个对象的ri是灰色加权关联度的一个理想的对象。

Step4：根据灰色加权关联度的大小进行排序，可以得出对于母序列来说各子序列的“优劣”关系。在本文中，首先按照颜色、亮度、形状、纹理这4项指标对给出的8种迷彩图案在3种环境下进行子序列排序，如表4所示。

表4　8个样本图案在3种环境下的评价

由单个指标下各决策评价聚合成多指标评价，利用子排序结果，Borda函数可以集结各单个指标评价集的群体排序，最终得出综合排序的结果。所以，子序列排序结束后，使用决策分析法确定Borda函数对母序列进行综合排序［14］。即在第i个排列方案中排在第 j个被评价对象uj后面的个数为，则被评价对象uj的Borda函数为：

根据这一公式的计算结果按大小进行排序，排序可以得到n个被评价对象的综合评价结果，即总排序结果，如表5所示。

表5　样本图案适用度的排序

从上述表格可以得出各个迷彩类型的总排序数，反映出迷彩伪装效果的好坏，因此8种不同迷彩图案伪装效果的综合排序为（由优到劣）：

7＞5＞4＞6＞8＞3＞2＞1。

实验结果表明，评价结果首先可以从单个特征指标的角度来比较，迷彩图案7在亮度对比方面表现最好；迷彩图案8在颜色特征对比方面表现最好；迷彩图案4在边缘形状对比方面表现最好；迷彩图案5在纹理特征对比方面表现最好。从综合伪装效果来说，迷彩图案7在综合方面都有一个不错的效果。

从实验结果以及上述分析还可以得出，各个指标之间是相互联系的，在设计上应反复尝试，并根据实际情况进行调整，以使各指标都在合理的范围内，这样设计的迷彩图案将达到预定的伪装效果。

3　小结

本文通过亮度对比、颜色特征、纹理特征和边缘形状四个指标，采用了综合评估方法对8种典型的迷彩图案进行伪装效果评价。在多个指标影响下，每一个特征指标都具有一定的代表性和独立性，运用了灰色关联度分析方法保证了迷彩伪装效果评价的整体性和综合性。从而有效评价各种背景下的迷彩图案伪装效果，设计出能够适合多种环境的迷彩图案。同时该方法还适用于很多未知的迷彩伪装效果的评价。

［1］ 许卫东，唐建宁，吕绪良，等.一种基于欧氏距离的伪装器材性能评估模型［J］.解放军理工大学学报（自然科学版），2001，2（1）：74-76.

［2］ 张桂艳，张勇.地面设备数码迷彩伪装技术研究［J］.数字技术与应用，2014（8）：108-109，111.

［3］ 汪东，吕绪良，许卫东，等.基于灰度直方图分析技术的伪装应用模型［J］.解放军理工大学学报（自然科学版），2004，5（3）：74-77.

［4］ 秦建飞，渠立永，吕振坚，等.数码仿造迷彩客观定量评价［J］.指挥控制与仿真，2014，36（5）：55-58.

［5］ 邓建军，杨建军，高峰.基于云理论的地空导弹武器假目标逼真度评价［J］.火力与指挥控制，2013，38 （3）：92-94.

［6］ 王贺，白廷柱.基于容限近集理论的光学伪装评价研究［J］.光学学报，2012，32（12）：128-133.

［7］ 杨佳，华文深，刘恂，等.迷彩伪装的高光谱特性分析［J］.光学仪器，2013，35（5）：27-31.

［8］ 侯磊，喻钧，陈丁.数码迷彩伪装效果评价方法的研究［J］.国外电子测量技术，2013，32（2）：23-25.

［9］ 郭英华.基于HSV色彩空间的图像分割［J］.黑龙江冶金，2011，31（2）：35-37.

［10］谢乃明.灰色系统建模技术研究［D］.南京：南京航空航天大学，2008.

［11］刘思峰，党耀国，方志耕.灰色系统理论及其应用［M］.开封：河南大学出版社，1991.

［12］Hayashi Y.，Buckley J.J.Czogala E.Fuzzy neural network with fuzzy signals and weights［C］∥Ⅰnternational Joint Conference on Neural Networks.Baltimore：ⅠEEE，1992，2：696-701.

［13］周荣喜，范福云，何大义，等.多属性群决策中基于数据稳定性与主观偏好的综合熵权法［J］.控制与决策，2012，27（8）：1169-1174.

［14］邓 伟，吴祈宗.含语言评价信息的一种模糊多属性群决策方法［J］.数学的实践与认识，2007，37（16）：40-46.

Comprehensive evaluation of camouflage effect

JⅠANG Jin-ran，SHENG Le-yuan，CHENG Hong-mei，YU Qin，LⅠPei-pei*

（School of Mathematics and Statistics，Fuyang Normal University，Fuyang Anhui 236037，China）

Ⅰn order to achieve camouflage effect evaluation and choose a better camouflage pattern with background color，in view of the evaluation index with different properties，this paper presents the comprehensive evaluation method which is based on Gray Correlation degree analysis.First，compared with the background color of the sample，we selected 4 features as the evaluation indexes which include color，brightness，shape and texture.Then，using the Gray Correlation Analysis，4 indicators of 8 kinds of sample patterns are ranked in 3 background patterns.Finally，using the Borda ordering method，the sort of 8 sample patterns under the three kinds of environmental comprehensive camouflage effect was obtained，thus seek to adapt to a wider range of camouflage patterns.

camouflage effect；comprehensive evaluation；gray correlation analysis；sort

E951.4

A

1004-4329（2016）01-006-05

10.14096/j.cnki.cn34-1069/n/1004-4329（2016）01-006-05

2015-08-24

国家特色专业（TS1496）；全国统计科学研究项目（2014LY088）；阜阳师范学院自然科学研究项目（2014FSKJ13）；安徽省质量工程项目（2013zy167，2014zy138，2015jxtd121，AH201410371014）；阜阳师范学院质量工程项目（2013ZYSD05，214JXTD01）资助。

李培培（1982-），女，硕士，讲师，研究方向：计算复杂性。Email：anqilpp@163.com。