梁軼，殷仕淑，李孟瑩，段智中

（1. 安徽財經(jīng)大學 管理科學與管理工程學院，安徽 蚌埠 233030；2.安徽財經(jīng)大學 統(tǒng)計與應(yīng)用數(shù)學學院，安徽 蚌埠 233030）

基于數(shù)字圖像處理的偽裝迷彩評價與設(shè)計

梁軼1，殷仕淑1，李孟瑩2，段智中2

（1. 安徽財經(jīng)大學 管理科學與管理工程學院，安徽 蚌埠 233030；2.安徽財經(jīng)大學 統(tǒng)計與應(yīng)用數(shù)學學院，安徽 蚌埠 233030）

為了解決迷彩偽裝效果評價及迷彩圖案設(shè)計問題，通過建立基于多指標灰色聚類算法的偽裝效果評價模型，對迷彩的偽裝原理進行探究。然后利用圖像分割技術(shù)、小波紋理分析等多種數(shù)字圖像處理方法，綜合使用Matlab、Photoshop等軟件，設(shè)計一款適用于多種背景環(huán)境下的新型迷彩樣式。最后運用所建立評價模型進行偽裝效果的檢測。

迷彩偽裝；灰色聚類；圖像分割；小波分析；Matlab

迷彩偽裝是士兵和軍事裝備保護自我的重要實施辦法。由于現(xiàn)代戰(zhàn)爭的特點是戰(zhàn)線模糊，突然性極強，并且目標的活動范圍不斷擴大，對于迷彩偽裝而言，在自然背景的差異上也表現(xiàn)出快速多變性［1］。因此，設(shè)計出一款在多種背景環(huán)境下均有較好偽裝效果的迷彩樣式具有重要意義。

近年來，針對迷彩偽裝效果評價問題，國內(nèi)報告主要利用歐式距離、斑點特性、灰度直方圖分析等方法，這些方法普遍存在指標單一的問題。本文選取亮度對比、顏色特征、紋理特征和斑點尺寸建立評價指標體系，利用灰色聚類算法建立迷彩偽裝效果綜合評價模型。

該文利用數(shù)字圖像處理技術(shù)，提取多種地形的背景主色和斑紋特征的信息，并運用Matlab軟件，使用FFT等算法，設(shè)計出新型迷彩樣式，并運用上述模型進行偽裝效果的檢驗。

1　偽裝效果評價指標體系的建立

為了對迷彩的偽裝效果進行分析，根據(jù)人眼視覺機制并考慮典型性和全面性的設(shè)計原則［2］選取了亮度對比、顏色特征、紋理特征和斑點尺寸作為評價指標。利用信息熵評價所獲系統(tǒng)信息的有序度及其效用來確定指標權(quán)重［2］。從而構(gòu)建一套較為完整、合理的評價指標體系。

1.1評價指標的提取

評價指標的構(gòu)建是整個偽裝效果評價體系的基礎(chǔ)。評價指標的選擇及量化方法的好壞直接關(guān)系到迷彩偽裝效果評價結(jié)果。本文綜合選取了亮度、顏色、紋理和斑點尺寸4個特征作為評價指標，下面分別介紹評價指標的提取方法。

1.1.1亮度對比

亮度是人眼接觸的最直接刺激，是能否引起視覺注意的重要因素［2］。選用Lab顏色模型，其中L為亮度。建立亮度對比公式如下：

式中：Li'為背景模型i的亮度；Lij為i地形迷彩中的第j中斑紋的亮度。

1.1.2顏色特征

顏色特征是事物的一個比較重要的視覺屬性［3］，將圖像利用RGB顏色模型表示，為每一個像素的RGB分量分配一個0～255范圍內(nèi)的灰度值，分別統(tǒng)計R、G、B 3個分量的各灰度值k出現(xiàn)的頻率，記為Prk、Pgk、Pbk。通過顏色直方圖構(gòu)建顏色直方圖特征矢量來表征圖像的顏色特征。并構(gòu)建灰度直方圖特征矢量Hk= ［Prk， Pgk， Pbk］。假設(shè)在同等亮度下偽裝目標和背景圖像分別為M和N，通過兩個圖像的灰度直方圖來度量偽裝目標和背景顏色特性的相似性，度量方式可表示為：

1.1.3紋理特征

紋理特征是一種不依賴于顏色或亮度的能清晰反映圖像中同質(zhì)現(xiàn)象的重要特征。由于紋理是由灰度分布在空間位置上反復(fù)出現(xiàn)而形成的，因而在圖像空間中相隔某距離的兩象素之間會存在一定的灰度關(guān)系，即圖像中灰度的空間相關(guān)特性。因此我們采用灰度共生矩陣來進行圖像的紋理分析。

利用Manhattan距離計算迷彩圖像和背景圖像的紋理相似度S = D （x， y），得到的結(jié)果越小說明兩幅圖像的紋理特征越接近。Manhattan距離計算公式為

1.1.4斑點尺寸

為了探究斑點尺寸對偽裝效果的影響，采用基于小波分解的多尺度特征描述分析方法。通過對原始圖像進行FFT，添加高斯白噪聲，略去圖像的具體細節(jié)。由于低頻子帶反映的是對圖像的低頻信息，對視覺比較重要， 提取小波分析后圖像的低頻分量進行紋理分析，這樣可以較好地反應(yīng)迷彩圖案斑點尺寸的特點。通過對迷彩圖案和背景圖案的低頻分量紋理分析，比較其紋理相似度，從而得出斑點尺寸對迷彩圖案偽裝效果的影響。

1.2評價指標權(quán)重的確定

假設(shè)在模型中有m個對象n個評價指標構(gòu)成的評價體系，則由這m個對象n個指標構(gòu)成了一個初始矩陣。設(shè)其原始信息矩陣為X = （xij）m×n，對原始數(shù)據(jù)作標準化處理，得到規(guī)范矩陣Y = （yij）m×n，其中i = 1， 2，…， m； j = 1， 2， …， n 。

計算第j個指標下第i個對象的數(shù)值比重：

計算第j個指標的信息熵值ej：

對于第j個指標，指標值xij的差異越大，對方案評價的權(quán)重作用越大，因而熵值就越?。?］。

則指標的權(quán)重：

2　迷彩偽裝效果評價模型的建立

以某林地圖像（見圖1）作為實驗背景環(huán)境為例，通過建立模型對5種典型的迷彩樣式（見圖2）進行偽裝效果的分析。

圖2　典型迷彩樣式

2.1模型的準備

根據(jù)已建立的指標體系，運用Matlab、Photoshop等軟件提取圖像數(shù)字特征（以背景圖像為例）。背景圖像在R、G、B分量上的灰度直方圖如圖3所示。

圖3　背景圖像的灰度直方圖

對背景圖像取左上角部分進行斑點尺寸的分析，先添加高斯噪聲，然后通過小波分析提取低頻重構(gòu)圖像，結(jié)果見圖4。

圖4　斑點尺寸分析圖像結(jié)果

對5種典型迷彩樣式進行相似處理，對每種指標進行分析可得求解結(jié)果。

表1　亮度對比

表2　顏色特征

表3　斑紋特征

表4　斑點尺寸

2.2綜合評價模型的建立

1）設(shè)指標評價體系U，令亮度對比u1，顏色特征u2，紋理特征u3，斑點尺寸u4，即U = （u1， u2， u3，u4）。

2）針對偽裝性能指標大小的不一致性，避免灰色聚類決策不適用與聚類指標意義且不同指標的評價值在量綱上懸殊較大的問題，采用等測度法對原始數(shù)據(jù)進行處理。

若k目標下效果樣本值越大越好，則：

若k目標下效果樣本值越小越好，則：

3）根據(jù)偽裝效果評價的要求確定4個灰類，從而建立評價等級V = ｛優(yōu)，良，一般，差｝。按照性能指標和灰類數(shù)，確定j指標k子類白化權(quán)函數(shù)［5］，（ j=1， 2， …， n； k=1， 2，…， s）（見圖5）。

圖5　三角白化權(quán)函數(shù)

4）確定指標權(quán)重w =（0.256， 0.2668， 0.1785，0.2988）。

由以上綜合評價模型，經(jīng)計算得樣式4和5的偽裝效果為優(yōu)，樣式2和3的偽裝效果為良，樣式1的偽裝效果為差，且樣式5 ＞ 樣式4 ＞ 樣式2 ＞ 樣式3 ＞ 樣式1。

3　新型迷彩樣式的設(shè)計及效果檢驗

通過提取多種典型背景的圖像特征，分別從顏色和斑紋的角度，綜合設(shè)計一款適用于多種背景環(huán)境的迷彩樣式，并利用上述的評價模型進行偽裝效果的檢驗。

3.1迷彩樣式的設(shè)計思路

偽裝迷彩圖案的設(shè)計關(guān)鍵在于迷彩顏色的選取以及迷彩圖案紋理的設(shè)計，而選擇偽裝色與偽裝紋理的關(guān)鍵在于背景環(huán)境的顏色與圖案。本文選取了3種常見背景環(huán)境（見圖6）：沙漠環(huán)境，叢林環(huán)境，海洋環(huán)境。

圖6　3種常見背景圖像

對3種背景環(huán)境進行數(shù)據(jù)分析，提取相應(yīng)信息，并利用相應(yīng)軟件重構(gòu)通用偽裝迷彩圖像，具體算法流程見圖7。

圖7　迷彩設(shè)計算法流程

3.2具體迷彩的設(shè)計流程

該文采用基于量化顏色直方圖的背景主要顏色紋理信息提取方法，逐一對背景圖像進行分析：

1）對迷彩顏色的提取

對背景圖像進行定位以及去噪處理，在去噪后的圖像中獲得3種背景圖像的顏色信息（見圖8），運用Matlab軟件，按照顏色相似性計算生成迷彩主色（見圖9）。

圖8　背景圖像的顏色信息

圖9　迷彩主色

2）迷彩紋理的提取

主要采用圖像分割技術(shù)與小波紋理分析［6］，分析背景環(huán)境的斑點紋理特征及大小，同時利用基于區(qū)域邊緣檢測的方法［7］，利用Matlab及迷彩輔助作圖工具可以得出迷彩的紋理斑點（見圖10）。

圖10　迷彩紋理

圖11　新型迷彩樣式

3）迷彩樣式的合成

綜合所得迷彩的樣色特征，對設(shè)計好的迷彩紋理首先進行紋理映射［8］，產(chǎn)生預(yù)覽效果（見圖11）。

4　結(jié)束語

該文從迷彩圖像的多個指標特征入手，綜合運用灰色共生矩陣、Manhattan距離、小波分析等方法，建立了基于多指標的灰色聚類算法綜合評價模型，得出了各樣本的偽裝效果的優(yōu)劣排序。然后利用圖像分割技術(shù)，區(qū)域邊緣檢測等方法，通過提取3種常見背景圖像的背景主色和斑紋特征的信息，運用Matlab及相關(guān)軟件設(shè)計出一款在多種環(huán)境背景下均有良好偽裝效果的新型迷彩樣式。

［1］ 閆飛. 偽裝迷彩的背景主色提取算法研究［D］. 西安： 西安工業(yè)大學， 2011.

［2］ 王展， 顏云輝， 焦學勇. 基于灰色理論的迷彩偽裝多指標綜合評價［J］.兵工學報，2013（10）：1250-1257.

［3］ Xie H， Ortega A.Feature representation and compression for content-based retrieval［C］∥Proceedings of SPIE the International Society for Optical Engineering.Los Angeles；SPIE， 2001， 431：111-122.

［4］ Hsu TH，Lin TZ.QFD with fuzzy and entropy weight for evaluating retail customer values ［J］.Total Quality Management &Business Excellence， 2006（7）：935-958.

［5］ 王化中， 強鳳嬌. 三角白化權(quán)函數(shù)灰色聚類決策下中小企業(yè)信用評價模型構(gòu)建［J］. 中小企業(yè)研究， 2014（4）：89-92.

［6］ 寧順剛. 基于紋理分析的迷彩設(shè)計研究［D］. 西安： 西安工業(yè)大學， 2010.

［7］ 楊武俠. 偽裝迷彩的斑點設(shè)計方法研究［D］. 西安： 西安工業(yè)大學， 2011.

［8］ 孫亞超. 計算機輔助迷彩圖案生成［D］. 杭州： 浙江大學，2008.

Camoufl age Evaluation and Design Based on Digital Image Processing

LIANG Yi1， YIN Shishu1， LI Mengying2， DUAN Zhizhong2
（1.School of Management Science and Management Engineering， Anhui University of Finance and Economics，Bengbu Anhui 233030， China； 2. School of Statistics and Applied Mathematics， Anhui University of Finance and Economics， Bengbu Anhui 233030， China）

In order to solve camoufl age evaluation and camoufl age pattern design issues， camoufl age principles are studied through establishing a new comprehensive model which uses many camoufl age evaluation indexes based on gray clustering theory. Then a new camoufl age pattern is designed through a variety of digital image processing methods such as wavelet texture analysis， image segmentation by Matlab and Photoshop. Finally， camoufl age effect using the established evaluation model is tested.

camoufl age； grey clustering； image segmentation； wavelet analysis； Matlab

E951.4

A

1674 - 9200（2015）06 - 0074 - 05

（責任編輯 劉常福）

2015 - 03 - 19

國家自然科學基金項目“離散小波濾波器組的優(yōu)化設(shè)計與無乘子實現(xiàn)”（61102118）。

梁 軼，安徽財經(jīng)大學管理科學與管理工程學院2012級本科生。

殷仕淑，安徽財經(jīng)大學管理科學與管理工程學院副教授，博士，E-mail:yin_shishu@163.com。