目标红外伪装效率动态评估研究

成晓鹏，邱 实，赵大鹏，余大斌*

(1.国防科技大学电子对抗学院，安徽 合肥 230037；2.中国科学院西安光学精密机械研究所，陕西 西安 710068)

1 引言

当前，红外侦察技术随着现代信息技术的快速更迭而迅猛发展，与之相适应，以红外伪装网、红外诱饵弹以及各种红外伪装材料(如红外隐身涂料、相变材料以及光子晶体)等为代表的红外伪装手段也在不断发展并广泛应用于各种装备[1]。值得一提的是，与可见光和雷达等电磁谱带伪装不同，红外伪装更容易受背景辐射和自然辐射(主要是阳光)的影响。目标红外伪装效果除了与目标本身的温度及红外发射率有关，还受其所处的环境背景的红外辐射特性、其所在的地理位置、具体观察时间以及季节、温度、阳光辐射、湿度和风力情况等气候条件的影响[2]。因此，目标的红外伪装效果是随实时背景条件的改变而动态变化的。那么，目标采取某种红外伪装措施后，在实时的战场环境中伪装效果到底如何？这不仅是伪装材料研究本身必须考虑的问题而且是战场目标红外伪装部署的决策依据，具有十分重要的军事应用价值。

传统的红外伪装效能评估方法主要以目标与背景之间的表观温差、目标与背景之间的辐射对比度差异或者红外探测系统对目标的发现距离、发现概率等作为目标伪装效果的评价指标。这些方法存在操作实施相对困难、数学建模过程复杂等问题[3-6]。随着计算机技术和图像处理技术的飞速发展，基于红外图像进行目标红外伪装效能评估的方法成为了主流[7]。长期以来，这方面的研究主要集中在两个方面：一是图像纹理特征、目标环境特性、目标与背景分形特征等图像特征经常被选为目标伪装效率分析的依据；二是模糊数学聚类分析、基于Hausdoff距离模型、层次迭代分析法等方法常被用来融合目标与背景的图像特征并评价目标伪装效果[8-11]。这些方法主要考虑了目标与背景的部分特征差别，评价指标较少；且相对倚重伪装判读人员的主观业务水平和专家经验，可能导致评价结果偏离实际情况[12]。

近年来，因其算法效率高、符合人眼视觉原理等优点，基于视觉机制和面向视觉相似性的伪装效果评估研究成果已经很多[13-16]。这其中，尤其是基于图论的视觉显著性(Graph-based Visual Saliency，GBVS)方法[17]，能够将图像中的线条、亮度、形状、纹理、大小以及对比度等特征对人类感知的影响建模，依据这些特征对人眼视觉注意的影响，进行纯数学计算，量化出图像综合特征对感知的影响程度(在图像处理领域中称之为图像显著性)。显然，在一幅红外图像中，如果伪装目标区域的图像显著性高，就意味着目标更容易引起伪装判读人员的视觉注意，也就意味着此时目标的红外伪装效率低；这就表明基于图像显著性理论可以快速获取量化的目标红外伪装效率分析结果。最近，发现基于该量化指标，能够有效地计算目标在特定背景下的伪装效率[18]，对目标红外伪装效果评估具有重要的应用价值。为拓展先前的研究成果，本文选定典型的南方草地背景，构建目标红外伪装效率分析模型，以一个自然天为完整观察周期，研究不同伪装目标在同一背景下的实时伪装效率变化特性。

2 建立数学模型

基于GBVS算法的目标红外伪装效率分析方法主要包含两个步骤：一是提取低层视觉特征；二是基于这些特征进行纯数学计算，实现特征融合。

2.1 伪装效能评估指标体系

根据人眼视觉注意机制，图像梯度、纹理、颜色和滤波器的变化等图像特征能够很好地反映图像的结构特征，是计算图像显著性的重要参数指标[19]。为了更有效地将GBVS算法灵活应用于目标红外伪装效率分析，本文选取了亮度、朝向、梯度、对比度特征作为目标伪装效能评估指标。

2.2 图像特征提取

采用Itti模型进行图像特征提取[20]。首先，将输入图像分为9层(对应尺度为n=0，1，2，…8)高斯金字塔。其中，第0层表示的是原始图像，然后通过低通滤波和间隔采样处理，把每层图像分解为上一层图像的1/2。其次，基于前面所建立的目标红外伪装效能评估指标体系，对金字塔的每一层图像分别提取亮度、朝向、梯度和对比度图像视觉特征。这4类特征的计算如下：

1)亮度特征：因为红外图像就是灰度图像，所以每个像素的灰度值就是该像素的亮度特征I。

2)朝向特征：是指亮度特征I在尺度n上用朝向为θ角的Gabor函数滤波得到的Gabor金字塔。通常情况下，θ∈{45°，90°，135°，180°}。

3)梯度特征：实际操作时，图像中的像素P(i，j)对应的梯度的模|M(i，j)|为

|M(i，j)|

(1)

4)对比度特征：以δ(i，j)=|i-j|表示相邻像素之间的灰度差，Pδ(i，j)表示相邻像素灰度差为δ的像素概率分布，则对比度c的计算公式为

(2)

为了提取每一层图像的对比度特征，需要应用到中心像素点的局部对比度信息。实际操作中常以固定尺寸的像素模板去遍历图像，然后计算模板中心像素灰度值与周围邻域像素灰度值之差的平方和，再除以上述平方项的个数。这样就可以得到每一层图像中的各像素点的局部对比度信息。

2.3 特征图生成

设各金字塔的每一层图像为M，以像素为节点，将图像中的每个像素点两两连接起来，并根据任意两像素点之间的特征值相似度以及这两点之间的欧氏距离远近来确定这两点之间的连接权重。这样就把图像M转换成了一幅有向全连通图。根据马尔科夫链的理论，此时，每个节点对应的值可以代表其当前状态，同时所有的权重都能够代表这些状态之间的转移概率。显然，马尔科夫链最终会收敛于那些和周围节点不相似的节点，形成一个平稳分布，这就对应着每个特征“通道”下的特征图A。具体操作过程如下

1)设M(i，j)和M(p，q)分别为像素点(i，j)，(p，q)的特征值，则这两个像素点之间的差异性可定义为

(3)

2)计算连接两个像素点(i，j)，(p，q)的边的权重

w1((i，j)，(p，q))d((i，j)‖(p，q))·F(i-p，j-q)

(4)

其中

(5)

且参数σ的大小与实际计算过程中所选邻域范围大小成正比，一般为图像宽度的110到15。

3)求该马尔科夫链的平稳分布。每个节点对应的平稳分布概率等同于人眼视觉停留在该节点上的平均时间，停留时间的长短可以用于判断和度量该节点的图像显著性。

2.4 显著图生成

为了把多特征“通道”下的显著图进行特征融合，最终形成一幅总显著图，还需要进一步对初始特征显著图A进行归一化。与之前的方法类似，在特征显著图A上构造一张有向图，并为这张图内的边赋权值为

w2((i，j)，(p，q))A(p，q)·F(i-p，j-q)

(6)

然后，继续构造马尔科夫链，并对该链进行多次迭代，求取其平稳分布。显然，该马尔科夫链仍然会继续收敛于与周围邻域相似度不高的那些节点周围。将各个特征“通道”内处理得到的结果线性相加，就能够得到一张最终的总显著图。

2.5 伪装效率评估

依据伪装原理，可以这么认为：如果红外目标的图像显著性高，就意味着该目标与背景的差异很大，很容易吸引视觉注意，也就说明其伪装效果差。为此，可以做一个转换，即

(7)

其中，CE是目标的红外伪装效率，而S代表的是伪装目标区域的平均图像显著性值。

3 实验方法

3.1 背景选择及气候条件

背景选择为南方秋季草地，地面散落着少量沙土和部分尺寸不一的小石块。实验时间为2019年11月中旬，最高环境温度为21℃，最低环境温度为4℃，气象条件为多云，微风，日照强度中等。

3.2 实验设计

1)仿真目标设计。与前期研究类似[18]，选用两种仿真目标，分别为带红外迷彩伪装的钢板(T1)和被红外迷彩伪装网覆盖的钢板(T2)。T1和T2的尺寸均为0.5m×0.5m。在温度设定为45℃的情况下，利用发射率测量仪对目标的发射率进行测量。T1表面利用发射率分别为0.94、0.79和0.64的三种涂料进行斑块设计，实现红外迷彩分割；T2表面则是由发射率分别为0.94、0.79和0.64(与T2相同)的织物制作而成的伪装网(为某型草地型红外伪装装备的设计)。与T1相比，T2的红外迷彩伪装是在织物上，且图案斑块要比T1的迷彩图案斑块小。

2)实验步骤。两种仿真目标被放置于背景中的固定位置。用武汉高德公司生产的TP9型红外热像仪拍摄不同时刻下各实验场景的红外图片。为了考虑环境中的红外辐射尤其是太阳辐射对目标伪装效率的影响，从早晨06:00至下午18:00的日间，每隔15min拍摄一组红外图片；由于夜晚气温比较低而且目标不受太阳辐射的影响，目标的伪装效率变化比较稳定，所以从下午18:00至次日凌晨06:00的夜间，每隔30min拍摄一组红外图片。同时，用台湾群特CENTER-309四通道温度记录仪记录好当前的环境温度、目标表面真实温度。为方便展现具体的实验场景设计细节，用日本佳能公司生产的D7200相机拍摄诸实验场景的一组可见光图像。目标被放置于红外图像的中间部位，所获得的目标与相应背景的红外图像如图1所示。

图1 目标与背景的红外图像

3)目标伪装效率分析。依据上述数学模型，对红外图像进行处理。简单地进行降噪、细节增强等预处理之后，计算红外图像对应的显著图，再依据伪装目标区域的图像显著性水平量化目标的红外伪装效率。按照观察时间顺序，对目标的红外图像进行处理分析，就能够得到伪装目标在同一背景下的实时伪装效率的动态变化规律。

图1中，背景为秋季南方草地背景。左下角插图为对应的可见光照片。

4 结果与讨论

4.1 不同目标表面温度随时间变化情况

环境温度、背景表面真实温度和不同目标表面的真实温度变化情况如图2所示。

图2 环境温度、背景表面真实温度和不同目标表面的真实温度变化情况

显然，热惯性的不同导致目标与背景表面真实温度的变化速率存在着较大差别。因为地面本身的热惯性比较大，加上植被蒸腾作用的调节，所以草地背景的温度变化速率较慢。与背景相比，T1是钢板，由于金属的热传导快，表面涂料吸收太阳辐射能能够很快使钢板的整体温度升高，表现出温度受阳光辐射影响剧烈，即在阳光辐射很强的情况下相对于背景的绝对温差也大。与T1相比，T2表面为织物材料，因为红外迷彩伪装网很蓬松，其表面薄片状织物的热容量小，散热快，受自然风等影响较大，故T2表面真实温度上升速率较T1稍慢，且T2与背景表面真实温度之差也相对要小。

4.2 不同目标红外伪装效率随时间的变化情况

图3和图4分别给出了在部分典型观察时间节点上，T1与T2在背景中的红外图像以及这些红外图像所对应的显著度图。同时，为了直观地表征出红外图像中的显著区域范围，以显著性值S=0.2为门限，对红外图像进行二值分割。红外图像中的显著区域范围越大，说明目标和背景的显著性差异越小，意味着目标的伪装效率较高。与之相反，如果红外图像中的显著区域范围都集中于目标附近，则说明目标与背景的显著性差异很大，目标很容易引起人眼视觉注意，也就意味着目标的伪装效率较低。

图3 T1在背景中的红外图像及这些红外图像对应的显著度图和图像分割结果

图4 T2在背景中的红外图像及这些红外图像对应的显著度图和图像分割结果。

根据目标区域的显著性水平S，就可以计算出目标的红外伪装效率CE。为了直观显示两个目标的红外伪装效率变化特性，T1与T2在不同观察时刻的实时红外伪装效率计算结果如图5所示。

图5 一天中(24小时)，T1和T2的红外伪装效率随时间变化情况

可以看出，在白天有阳光直射的条件下，目标的伪装效率都比较低，再结合图2可以看出，这是因为目标相对于背景温度较高，目标在红外图像中视觉显著性较强的缘故。尤其是在早晨阳光辐射开始时段，目标的伪装效率快速下降，这是因为相对于背景，目标的热惯性小、传热快，导致目标与背景快速形成较大的温差。而到上午9时以后，背景温度逐步升高，与目标的相对温差减小，目标的伪装效率又逐步回升。至于午间过后到傍晚的时段(实验当天12:00-17:00)，太阳被云层和建筑物遮挡，对目标的辐射减弱，加之T2的散热性较T1要好，从图2中可以看出，在下午的观察时段内，T1与背景的相对温差依然比较大，而T2与背景的相对温差则小得多，因此在该观察时段内，T2的伪装效率一直相对T1要好。与白天的情况相反，在夜间没有阳光照射时，目标也没有内热源，此时两个目标的实际温度与背景温度一直很接近，所以从夜间18:00至次日06:00，T1和T2的伪装效率都处于0.65左右，保持在较高的水平且基本稳定。

另一方面，虽然T1和T2表面材料的红外发射率相同，但迷彩图案设计不同。从图5可以看出，T2在整体上的伪装效率值比T1的高，这是因为对比图4和图3，可以发现T2表面斑块相比T1表面斑块与草地背景斑块更匹配，即与草地背景的相似度较高，所以T2能够相对更好地融合于红外图像之中，导致T2的红外伪装效果在日间整体上比T1的红外伪装效果要好。由此可见，目标的红外伪装效率受背景特性、环境温度以及天候条件的影响，是一个实时变化的动态值。通过视觉显著性方法，可以对目标的实时红外伪装效率进行快速分析。

4.3 与现有方法的对比

与传统的通过比较目标与背景的表观温差来度量目标红外伪装效率的方法相比，基于视觉显著性的方法能够更加简单快捷地得出同样的结论；这就为实时监测目标的动态红外伪装效率提供了可能。此外，基于目标区域的图像显著性水平，能够更加精细地量化目标的红外伪装效果，为精确对比不同伪装材料的性能差异和不同伪装样式的优劣提供了科学合理的依据。实验所得结果符合人眼直观观察得到的结论，且能够用伪装原理合理解释。

5 结论

综上所述，基于图像显著性理论和GBVS算法构建的目标红外伪装效率分析模型能够有效地合理量化目标的实时伪装效能。这个量化的伪装效率的意义不在于其绝对值的大小，而在于其相对比较意义。通过比较，可以很清楚地看出同一个目标在不同气象条件或背景下的伪装效率，或在相同背景下的不同伪装目标的伪装效率差异。这种比较，无论是对红外伪装技术研究领域还是对目标在特定战场环境下的伪装状态自我感知都具有重要意义。