方浩， 李艾華， 潘玉龍， 王學(xué)進(jìn)， 姜柯， 王華

(1.火箭軍工程大學(xué)， 陜西 西安 710025; 2.火箭軍工程設(shè)計研究院， 北京 100011)

面向視覺相似的紅外偽裝仿真效果評估

方浩1,2， 李艾華1， 潘玉龍2， 王學(xué)進(jìn)2， 姜柯1， 王華1

(1.火箭軍工程大學(xué)， 陜西 西安 710025; 2.火箭軍工程設(shè)計研究院， 北京 100011)

針對紅外偽裝仿真系統(tǒng)效果評估困難的問題，提出了一種面向視覺相似的解決方法。從視覺相似的角度出發(fā)，定義了一種新的視覺相似性模型，并建立了包括溫度偏差系數(shù)、離散偏差系數(shù)和視覺相似性系數(shù)的評價指標(biāo)體系；為減小主觀經(jīng)驗的影響，引入直覺模糊集理論，建立了仿真效果評估的多屬性決策模型;采用逼近理想解的排序算法(TOPSIS)進(jìn)行模型求解，并針對算法存在距離正、負(fù)理想方案區(qū)分度不高的問題，定義了一種基于直覺模糊集Hamming距離的灰色接近系數(shù)來表征方案與理想方案的接近程度，有效解決了多屬性決策問題。實例表明，該方法的評估結(jié)果與TOPSIS方法的結(jié)果一致，且與專家評估結(jié)果一致，驗證了評價指標(biāo)體系的合理性和評估方法的可行性。

兵器科學(xué)與技術(shù)； 效果評估； 偽裝； 視覺相似性； 直覺模糊集； 逼近理想解的排序算法； 灰色關(guān)聯(lián)

0 引言

偽裝對于國防工程和武器裝備的生存能力具有重要意義。除人工檢測外，仿真建模也是評估國防工程偽裝效果的重要手段。對于仿真效果的評估，主要涉及評價指標(biāo)體系和評估方法兩個方面，由于國防工程的特殊性以及軍事仿真系統(tǒng)的多層次性、多要素性、不確定性以及模型粒度多樣性等特點[1-2]，目前并沒有理想的評估方案和理論體系。

對于評價指標(biāo)體系，目前國內(nèi)外的研究較少，而且在不同應(yīng)用需求下所考慮的評價指標(biāo)有所不同，因而很難建立成熟統(tǒng)一的評價指標(biāo)體系。文獻(xiàn)[3]針對傳統(tǒng)方法評價背景效果較差的問題，提出一種基于背景最佳濾波尺度的紅外圖像復(fù)雜度評價；文獻(xiàn)[4]采用了基于結(jié)構(gòu)相似度和保真度的指標(biāo)體系來評價紅外傳感器的仿真成像效果。但所有研究都沒有統(tǒng)一的指標(biāo)體系。

對于評估方法，目前主要有層次分析法、模糊評判、灰色評估、神經(jīng)網(wǎng)絡(luò)等幾類，但評估過程對于專家經(jīng)驗的依賴程度高[1,5]。直覺模糊集[6]是模糊理論的擴(kuò)展和延伸，引入了隸屬度、非隸屬度和猶豫度3個參數(shù)，能夠更加有效地刻畫決策過程中由于知識缺乏和主觀判斷導(dǎo)致的不確定屬性信息[7]，且比模糊集在處理模糊性和不確定性等方面更具靈活性和實用性[8]。逼近理想解的排序算法(TOPSIS)[9]是解決直覺模糊集決策的常見方法之一，其核心思想是將所有方案按照盡可能接近正理想方案和遠(yuǎn)離負(fù)理想方案的原則進(jìn)行近似線性加權(quán)排序，但該算法存在可能同時距離正、負(fù)理想方案近的問題。

為綜合評估紅外偽裝仿真效果，本文提出采用典型時刻實際圖像和仿真圖像進(jìn)行對比的評估方案。并基于人類視覺系統(tǒng)(HVS)特性，建立了包括不同典型時刻下溫度分布指標(biāo)和圖像視覺相似性指標(biāo)的綜合評價指標(biāo)體系。同時，為了降低專家主觀經(jīng)驗不確定性帶來的影響，建立了基于直覺模糊集的加權(quán)決策矩陣和屬性權(quán)重，并將仿真效果評估問題轉(zhuǎn)換直覺模糊集多屬性決策問題。最后在決策過程中，針對TOPSIS算法存在可能同時距離正、負(fù)理想方案近的問題，結(jié)合直覺模糊集的特點，定義了一種基于直覺模糊集Hamming距離的灰色接近系數(shù)來表征各待選方案與理想方案之間的接近程度，提高了區(qū)分程度，有效解決了基于直覺模糊集多屬性決策模型的仿真效果評估問題。

1 面向視覺相似的仿真效果評估指標(biāo)體系

對比度敏感是HVS的重要特性之一，定義為視覺系統(tǒng)能覺察的對比度閾值的倒數(shù)。對于紅外圖像而言，溫度分布差異越大，圖像對比度越高，人眼的視覺敏感性更強(qiáng)。因此紅外仿真圖像和實際檢測圖像的溫度分布接近程度越高，引起的人眼視覺差異就越小，同時還必須保證兩幅圖像視覺相似性。因此本文建立的指標(biāo)體系包含溫度指標(biāo)和圖像視覺相似性指標(biāo)兩類。

1.1 溫度指標(biāo)

考慮到人眼視覺對紅外圖像溫度差異敏感的整體性，此處基于圖像溫度分布的統(tǒng)計特性建立溫度指標(biāo)，主要包括溫度偏差系數(shù)和離散偏差系數(shù)，分別定義如下：

定義1 假設(shè)圖像x1和x2的分辨率均為M×N，稱圖像溫度分布的整體偏差為溫度偏差系數(shù)。計算公式為

(1)

定義2 假設(shè)圖像x1和x2的分辨率均為M×N，稱圖像溫度分布離散程度的差異為離散偏差系數(shù)。計算公式為

(2)

1.2 圖像視覺相似性系數(shù)

人類視覺特性是圖像質(zhì)量評價領(lǐng)域的研究熱點之一，并且已經(jīng)提出了一系列視覺相似性模型如SSIM[10]、VIF[11]、IFC[12]、RFSIM[13]等。2014年，Zhang等[14]根據(jù)人眼的視覺顯著性特點提出了視覺評估的顯著指標(biāo)(VSI)模型，取得了與人類視覺特性一致性較好的效果，但該模型僅適用于彩色圖像。本文借鑒VSI模型的思路，結(jié)合人眼視覺特性和紅外圖像的特點，在考慮視覺顯著性、對比度、亮度差異、頻率等因素基礎(chǔ)上定義了一種適用于紅外圖像的視覺相似性模型，用于表征人眼對于仿真圖像和實際圖像的視覺注意特征之間的相似性。

定義3 對于圖像x1和x2，分辨率均為M×N，定義系數(shù)VSI(x1,x2)表征二者之間的視覺相似性程度。具體計算過程如下：

步驟1 計算視覺顯著性因子[14]

(3)

式中：VS(x)為基于頻率、顏色和位置等因素的視覺顯著性函數(shù)，采用文獻(xiàn)[15]中計算公式，但考慮到紅外圖像的特殊性，在計算顏色優(yōu)先級時使用亮度優(yōu)先級代替；C1>0為常數(shù)，用于保持計算式的穩(wěn)定。

步驟2 計算對比度因子[14]

(4)

式中：G(x)為梯度計算函數(shù)，用于表征圖像對比度，采用文獻(xiàn)[16]中計算公式；C2>0為常數(shù)，同樣用于保持計算式的穩(wěn)定。

步驟3 計算圖像視覺相似性因子[14]

S(x)=[SVS(x)]α[SG(x)]β，

(5)

式中：α、β為常數(shù)，用于調(diào)節(jié)視覺顯著性因子和對比度因子的相對重要性程度。

步驟4 計算視覺相似性系數(shù)[14]

(6)

式中：VSm(x)=max {VS(x1),VS(x2)}用于表征圖像視覺相似性因子的權(quán)重；Ω表示圖像的整個空間域。

1.3 仿真效果評估指標(biāo)體系

仿真建模可以獲取任意時刻的紅外偽裝效果，但人工不可能獲得全時段的實際圖像。根據(jù)儀器特性和目標(biāo)與背景的紅外輻射特性，選取了早、中、晚3個典型時刻進(jìn)行對比評估。因此可建立紅外偽裝仿真效果評估指標(biāo)體系如圖1所示。

圖1 紅外偽裝仿真效果評估指標(biāo)體系Fig.1 Evaluation index system of infrared camouflage simulation system

2 基于直覺模糊集的紅外偽裝仿真效果評估模型

2.1 問題分析與建模

仿真圖像可以由實際圖像經(jīng)過復(fù)雜的失真過程近似得到。因此，評估的目的實際上是評價仿真圖像相對于真實圖像的可信程度。根據(jù)專家經(jīng)驗定義可信度等級及相應(yīng)的含義見表1所示。同時，還建立了不同可信度等級下不同評價指標(biāo)的區(qū)間范圍。

表1 仿真可信度等級及含義

假設(shè)對于任意時刻t的仿真效果評估等級IFS(t)=f(Ut,St,VSIt)，其中Ut、St和VSIt分別表示時刻t的溫度偏差系數(shù)、離散偏差系數(shù)和視覺相似性系數(shù)。同時考慮到偽裝效果最差的時刻對整個系統(tǒng)全時段偽裝效果的影響，可以認(rèn)為可信度最差的評估等級表征了系統(tǒng)綜合評估等級。因此，整個仿真系統(tǒng)效果綜合評價模型為

IFS=max {IFS(t1),IFS(t2),IFS(t3)}.

(7)

2.2 直接模糊多屬性決策模型

對于任意典型時刻t的效果評估問題，采用直覺模糊集建立多屬性決策模型，核心在于建立直覺模糊決策矩陣。

首先根據(jù)評估等級建立決策方案集A={A1,A2,A3,A4}，其中Ai表示仿真效果評估可信度等級為i級。根據(jù)評估指標(biāo)體系建立屬性集X={x1,x2,x3}，其中x1、x2、x3分別表示溫度偏差系數(shù)、離散偏差系數(shù)和視覺相似性系數(shù)3種屬性。因此可以定義方案Ai(i=1,2,3,4)與屬性xj(j=1,2,3)之間的直覺模糊集為

Fij={〈xj,μij,vij〉|xj∈X}，

(8)

式中：μij∈[0,1]、vij∈[0,1]分別表示屬性xj(j=1,2,3)相對于方案Ai(i=1,2,3,4)的隸屬程度和非隸屬程度。猶豫度πij=1-μij-vij、πij∈[0,1]表示屬性xj(j=1,2,3)相對于方案Ai(i=1,2,3,4)的猶豫度。對于任一方案Ai(i=1,2,3,4)，均具有Ut、St和VSIt等3種屬性，分別用(μi1,νi1)、(μi2,νi2)、(μi3,νi3)表示，因此其直覺模糊集為

Ai=(Fi1,…,Fim)=[(μi1,νi1),…,(μim,νim)]，
m=3.

(9)

因此直覺模糊決策矩陣可表示為

F=[(μij,vij)]n×m，n=4，m=3.

(10)

考慮到不同屬性的重要性差異，在專家決策的基礎(chǔ)上用直覺模糊集表示屬性權(quán)重。屬性集X對應(yīng)的權(quán)重向量為

ω=(ω1,…,ωm)=[(ρ1,τ1),…,(ρm,τm)]，
m=3,

(11)

式中：直覺模糊集ωj=(ρj,τj)表示屬性xj∈X的權(quán)重，ρj∈[0,1]、τj∈[0,1]分別表示屬性xj關(guān)于重要性的隸屬度和非隸屬度。

因此，根據(jù)(10)式和(11)式計算得到最終的加權(quán)直覺模糊決策矩陣為

(12)

(13)

3 基于灰色接近系數(shù)的TOPSIS決策過程

3.1TOPSIS方法基本思路

采用TOPSIS算法進(jìn)行直覺模糊多屬性決策求解，其基本思路是基于直覺模糊決策矩陣構(gòu)建正、負(fù)理想方案，二者分別對應(yīng)方案集的最好和最差方案，且每個方案的屬性值分別為決策矩陣中各屬性的最優(yōu)和最差值，然后計算不同決策方案與正負(fù)理想方案之間的歐氏距離，按照相對接近度進(jìn)行降序排列，最后根據(jù)排序最前面的決策方案確定最終的評估等級。具體計算過程如下：

步驟1 分別按照“最大隸屬度、最小非隸屬度”和“最小隸屬度、最大非隸屬度”的原則建立正負(fù)理想方案。

(14)

(15)

步驟2 基于歐氏距離定義各方案Ai(i=1,2,3,4)與A+、A-的距離分別為

(16)

(17)

步驟3 基于相對接近度建立排序準(zhǔn)則，并計算相對接近度為

(18)

步驟4 基于λi(i=1,…,n)降序排列，且排名越高的方案滿意度越高。

3.2 結(jié)合灰色接近系數(shù)的改進(jìn)

每個方案均有m個屬性，且具有隸屬度、非隸屬度和猶豫度3個特征參數(shù)。如果將其看成R3m高維空間的點，則歐式距離表征的是各方案與理想方案之間的幾何距離，容易導(dǎo)致存在大量與正負(fù)理想方案距離相等的方案點?；谊P(guān)聯(lián)分析的基本思想是根據(jù)序列折線幾何形狀來判斷不同序列之間的緊密程度[17]，可以用來衡量不同序列之間的相似性。本文將不同的方案看成序列，在灰色關(guān)聯(lián)模型的基礎(chǔ)上，結(jié)合直覺模糊集概念定義灰色接近系數(shù)如下[18-19]：

定義4 假設(shè)存在理想方案A0=(〈μ01,υ01〉,…,〈μ0m,υ0m〉)和待選方案Ai=(〈μi1,υi1〉,…,〈μim,υim〉)(i=1,…,n)，定義灰色接近系數(shù)γ(A0,Ai)表征理想方案A0和待選方案Ai之間的接近程度。其計算過程如下：

采用直覺模糊集之間的Hanmming距離計算理想方案A0和待選方案Ai中第k個屬性的接近程度如(19)式所示。

h(A0(k),Ai(k))=|μ01(k)-μi1(k)|+
|υ01(k)-υi1(k)|+|π01(k)-πi1(k)|.

(19)

計算理想方案A0和待選方案Ai中第k個屬性的灰關(guān)聯(lián)系數(shù)為

(20)

式中：ξ為權(quán)重。

計算理想方案A0和待選方案Ai之間的灰色接近系數(shù)為

(21)

同時，灰色接近系數(shù)越大，方案之間的接近程度越高。這與歐氏距離中距離越小越接近的特點相反。因此，可以定義相對接近度公式為

(22)

4 紅外偽裝仿真效果評估實例

4.1 紅外偽裝仿真建模過程

實現(xiàn)國防工程的偽裝仿真效果評估需要對大場景進(jìn)行紅外仿真建模，其關(guān)鍵在于目標(biāo)和多種自然地物的紅外輻射特性計算。對于目標(biāo)的紅外輻射特性，目前主要以理論建模計算為主，少數(shù)采取實際測量、建立輻射特性數(shù)據(jù)庫的方式。偽裝評估的特殊性要求對目標(biāo)和周圍背景地物實現(xiàn)精確建模，整個過程涉及地物類型豐富、空間結(jié)構(gòu)復(fù)雜，仿真建模工作量巨大，且困難較多。因此，采用理論建模方式對大場景的紅外偽裝效果進(jìn)行建模仿真并不可行。

因此，本文利用成熟的商業(yè)軟件JRM實現(xiàn)對國防工程大場景的紅外偽裝仿真。JRM是一套基于實驗室和現(xiàn)場實際測試數(shù)據(jù)進(jìn)行熱物理計算的場景特性合成仿真工具，核心在于包括巖石、植被、沙土、金屬等300多種材質(zhì)在內(nèi)的材質(zhì)特性庫，極大地方便了地物紅外輻射特性建模過程。軟件可實現(xiàn)材質(zhì)分類、場景輻射特性建模、大氣傳輸特性計算、傳感器特性建模、實時成像渲染以及雷達(dá)成像等多種功能，能夠模擬復(fù)雜場景下的可見光、紅外以及合成孔徑雷達(dá)圖像，且目前已經(jīng)成功應(yīng)用于美國空軍、海軍、陸軍、國防高級研究規(guī)劃局以及國防建模仿真辦公室等多個部門，是最具權(quán)威和廣泛使用的場景建模工具之一。本文結(jié)合JRM軟件豐富的材質(zhì)特性庫和模塊化的建模工具，基于實際測量的場景可見光圖像、地形數(shù)據(jù)以及構(gòu)建的國防工程、植被等地物三維模型實現(xiàn)對地面場景的幾何結(jié)構(gòu)建模和紅外輻射特性建模，基于實測的環(huán)境參數(shù)實現(xiàn)對大氣傳輸特性的建模，基于想定的傳感器參數(shù)實現(xiàn)對傳感器傳輸特性的建模，進(jìn)而結(jié)合場景、大氣、傳感器三部分特性模型進(jìn)行大場景特性合成和圖像渲染，生成國防工程在大場景下的紅外偽裝效果圖像。具體過程如圖2所示。

圖2 紅外仿真建模過程Fig.2 Infrared simulation modeling process

4.2 紅外偽裝仿真效果評估過程

效果評估的主要目的是客觀評價紅外偽裝仿真效果，用于反饋指導(dǎo)仿真建模過程。采集t1、t2、t33個時刻的紅外偽裝圖像，并以t1時刻為例說明計算過程?；趯嶋H圖像和仿真圖像計算評估指標(biāo)，并邀請多位專家根據(jù)評估等級和對應(yīng)的屬性區(qū)間確定直覺模糊決策矩陣和加權(quán)向量，得到最終的直覺模糊決策矩陣屬性值見表2.

表2 直覺模糊決策矩陣屬性值

同理，得到權(quán)重向量

w=[w1,w2,w3]=
[(0.20,0.20),(0.20,0.20),(0.60,0.20)].

(23)

采用TOPSIS方法和本文改進(jìn)的方法進(jìn)行相似接近度計算，結(jié)果見表3.

表3 兩種方法計算對比結(jié)果

由表3可以看到，兩種方法計算結(jié)果均有λ3>λ2>λ1>λ4，最滿意方案均為A3，不僅驗證了改進(jìn)方法決策過程的正確性，同時也說明t1時刻的紅外偽裝仿真效果可信度等級為3級。同理可計算得到t2、t3時刻的可信度等級分別為2級、3級。采用(7)式可得到系統(tǒng)綜合紅外偽裝仿真效果可信度等級為3級。同時，邀請多位專家對其進(jìn)行置信度評估，得到的結(jié)果與上述評估結(jié)果一致，說明本文提出的面向視覺相似的評價指標(biāo)體系具有合理性，也說明了該評估方法的可行性。

5 結(jié)論

根據(jù)對某國防工程的紅外偽裝仿真效果評估結(jié)果，可以得到以下結(jié)論：

1)實驗結(jié)果表明，從工程偽裝實際特性出發(fā)建立的面向視覺相似的仿真效果評價指標(biāo)體系具有合理性，能夠在一定程度上體現(xiàn)人眼進(jìn)行偽裝識別時的主要注意特征。同時也為建立紅外仿真系統(tǒng)的效果評價指標(biāo)體系提供了一種新的思路。

2)對國防工程的紅外偽裝仿真效果評價結(jié)果與專家評價結(jié)果一致，說明本文提出的面向國防工程的紅外偽裝仿真效果綜合評估指標(biāo)體系正確可行，可以在一定程度上用于量化評價國防工程的紅外偽裝仿真效果評價。

3)采用直覺模糊集和改進(jìn)TOPSIS方法進(jìn)行偽裝效果評價結(jié)果與原始方法結(jié)果一致，且與專家的置信度評估結(jié)果高度一致，表明本文提出的評估決策方法能夠準(zhǔn)確反應(yīng)專家決策過程，且結(jié)果可信，也為國防工程的偽裝效果評價問題提出了一種新的思路。

References)

[1] 查亞兵, 唐見兵. 基于主觀綜合評判的作戰(zhàn)仿真可信度評估方法研究[J]. 國防科技大學(xué)學(xué)報, 2010, 32(6): 153-157. ZHA Ya-bing, TANG Jian-bing. Research on a credibility evaluation method for warfare simulation based on the subject integrate judgment [J]. Journal of National University of Defense Technology, 2010, 32(6): 153-157. (in Chinese)

[2] 黃柯棣, 趙鑫業(yè), 楊山亮,等. 軍事分析仿真評估系統(tǒng)關(guān)鍵技術(shù)綜述[J].系統(tǒng)仿真學(xué)報, 2012, 24(12): 2439-2447. HUANG Ke-di, ZHAO Xin-ye, YANG Shan-liang, et al. System design description infrastructure overview for military simulation and analysis system [J]. Journal of System Simulation, 2012, 24(12): 2439-2447. (in Chinese)

[3] 侯旺, 梅風(fēng)華, 陳國軍,等. 基于背景最佳濾波尺度的紅外圖像復(fù)雜度評價準(zhǔn)則[J]. 物理學(xué)報, 2015, 64(23):234202. HOU Wang, MEI Feng-hua, CHEN Guo-jun, et al. An evaluation criterion of infrared image complexity based on background optimal filter scale [J]. Acta Physica Sinica, 2015, 64(23): 234202. (in Chinese)

[4] 婁樹理, 韓艷麗, 任建存,等. 基于結(jié)構(gòu)相似度和保真度的紅外成像傳感器仿真評價方法研究[J]. 紅外, 2015, 30(2): 30-35. LOU Shu-li, HAN Yan-li, REN Jian-cun, et al. Research on evaluation method of simulation of infrared imaging sensor based on structural similarity and fidelity [J]. Infrared, 2015, 30(2): 30-35. (in Chinese)

[5] 呂緒良, 林偉, 許衛(wèi)東,等. 應(yīng)用迭代自組織數(shù)據(jù)分析技術(shù)模糊聚類法劃分偽裝效能等級[J]. 兵工學(xué)報, 2005,26(5): 681-684. LYU Xu-liang, LIN Wei, XU Wei-dong, et al. Applying the fuzzy clustering analysis of ISODATA to the classification of camouflage effectiveness [J]. Acta Armamentarii, 2005, 26(5): 681-684. (in Chinese)

[6] Atanassov K T. Intuitionistic fuzzy sets[J]. Fuzzy Sets & Systems, 1986, 20(1):87-96.

[7] 張英俊, 馬培軍, 蘇小紅,等. 屬性權(quán)重不確定條件下的區(qū)間直覺模糊多屬性決策[J]. 自動化學(xué)報, 2012, 38(2): 220-228. ZHANG Ying-jun, MA Pei-jun, SU Xiao-hong, et al. Multi-attribute decision making with uncertain attribute weight information in the framework of interval-valued intuitionistic fuzzy set [J]. Acta Automatic Sinica, 2012, 38(2): 220-228. (in Chinese)

[8] 萬樹平. 直覺模糊性多屬性決策綜述[J]. 控制與決策, 2010, 25(11):1601-1606. WAN Shu-ping. Survey on intuitionistic fuzzy multi-attribute decision making approach [J]. Control and Decision, 2010, 25(11):1601-1606. (in Chinese)

[9] Hwang C L, Yoon K S. Multiple attribute decision making methods and applications: a state-of-the-art survey[M]. Berlin: Springer-Verlag, 1981.

[10] Wang Z, 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.

[11] Sheikh H R, Bovik A C. Image information and visual quality[J]. IEEE Transactions on Image Processing, 2006, 15(2):430-44.

[12] Sheikh H R, Bovik A C, Veciana G D. An information fidelity criterion for image quality assessment using natural scene statistics[J]. IEEE Transactions on Image Processing, 2005, 14(12):2117-2128.

[13] Zhang L, Zhang D, Mou X. RFSIM: a feature based image quality assessment metric using Riesz transforms [C]∥Proceedings of 17th IEEE International Conference on Image Process. Hong Kong: IEEE, 2010:321-324.

[14] Zhang L, Shen Y, Li H. VSI: a visual saliency-induced index for perceptual image quality assessment.[J]. IEEE Transactions on Image Processing, 2014, 23(10):4270-4281.

[15] Zhang L,Gu Z,Li H. SDSP: A novel saliency detection method by combining simple priors [C]∥Proceedings of 20th IEEE International Conference on Image Process.Melbourne, Australia: IEEE, 2013: 171-175.

[16] Zhang L, Zhang L, Mou X, et al. FSIM: a feature similarity index for image quality Assessment[J]. IEEE Transactions on Image Processing, 2011, 20(8):2378-2786.

[17] 劉思峰, 蔡華, 楊英杰,等. 灰色關(guān)聯(lián)分析模型研究進(jìn)展[J]. 系統(tǒng)工程理論與實踐, 2013, 33(8): 2041-2046. LIU Si-feng, CAI Hua, YANG Ying-jie, et al. Advance in grey incidence analysis modeling [J]. Systems Engineering-Theory & Practice, 2013, 33(8): 2041-2046. (in Chinese)

[18] 鄧聚龍. 灰理論基礎(chǔ)[M]. 武漢:華中科技大學(xué)出版社, 2004: 26-34. DENG Ju-long. A textbook of grey system theory [M]. Wuhan: Huazhong University of Science & Technology Press, 2004: 26-34. (in Chinese)

[19] 寧小磊, 吳穎霞, 于天朋,等. 基于改進(jìn)灰色關(guān)聯(lián)分析的仿真模型綜合驗證方法[J]. 兵工學(xué)報, 2016, 37(2): 339-347. NING Xiao-lei, WU Ying-xia, YU Tian-peng, et al. Research on comprehensive validation of simulation models based on improved grey relational analysis [J]. Acta Armamentarii, 2016, 37(2): 339-347. (in Chinese)

The Effect Evaluation of Infrared Camouflage Simulation System Based on Visual Similarity

FANG Hao1,2, LI Ai-hua1, PAN Yu-long2, WANG Xue-jin2, JIANG Ke1, WANG Hua1

(1.Rocket Force University of Engineering, Xi’an 710025, Shaanxi, China;2.Engineering Design Institute of Rocket Force, Beijing 100011, China)

An evaluation method based on visual similarity is presented to solve the difficulty in the effect evaluation of infrared camouflage simulation system. From the perspective of visual similarity, a new visual similarity model is proposed, and the evaluation index system, including temperature deviation coefficient, discrete deviation coefficient and visual similarity coefficient, is established. A multi-attribute decision making (MADM) model based on intuitionistic fuzzy sets for evaluation is built to reduce the influence of subjective experience. The technique for order preference by similarity to an ideal solution (TOPSIS) is used to solve the model. For the same distance to idea/anti-idea alternative, the grey approach coefficient based on intuitionistic fuzzy sets and the Hamming distance is used to describe the similarity between the alternatives, solving the MADM problem effectively. The application example shows that the evaluated results of the proposed model are consistent with the evaluated results of TOPSIS method and experts, thus verifying the reasonability of evaluation index system and the feasibility of the proposed method.

ordnance science and technology; effect evaluation; camouflage; visual similarity; intuitionistic fuzzy sets; TOPSIS; grey correlation

2016-08-30

武器裝備科學(xué)研究項目(EP133061)

方浩(1991—)，博士研究生。E-mail：fanghao_502@163.com

李艾華(1966—)，教授，博士生導(dǎo)師。E-mail：tech_commu@163.com

E951.4

A

1000-1093(2017)02-0351-07

10.3969/j.issn.1000-1093.2017.02.020