見超超,胡江華,崔光振

(解放軍理工大學電磁環(huán)境效應與電光工程重點實驗室,江蘇 南京 210007)

?

偽裝效果評價模型的圖像紋理特征提取方法

見超超,胡江華,崔光振

(解放軍理工大學電磁環(huán)境效應與電光工程重點實驗室,江蘇 南京 210007)

對偽裝后的軍事目標進行偽裝效果評價,通常依據(jù)偽裝前后目標圖像特征的改變情況進行評價。光照環(huán)境影響導致采集的圖像質量下降,對提取目標圖像特征會產生不利影響,從而影響偽裝效果的評價。針對光照環(huán)境對目標圖像特征的影響,提出一種結合局部二進制模式(LBP)與灰度共生矩陣的目標紋理特征提取方法。該方法首先通過局部二進制模式(LBP)算法提取目標圖像不受光照影響的圖像特征信息,然后對局部二進制模式(LBP)圖像提取灰度共生矩陣,獲得描述圖像紋理特征的5個特征值。通過對比實驗表明該方法可以有效降低光照環(huán)境因素對偽裝效果評價的不利影響,使偽裝目標的偽裝效果評價結果更加準確可靠。

圖像紋理特征;光照環(huán)境影響;局部二進制模式;灰度共生矩陣;紋理相似度;偽裝效果評價

目前,依據(jù)偽裝目標在偽裝前后特征的改變情況建立了許多有效的偽裝效果評價模型[1-2]。隨著數(shù)字圖像處理技術的發(fā)展,基于數(shù)字圖像特征的偽裝評估方法[3]受到越來越多的重視,采用不同的數(shù)字圖像特征及其算法評估偽裝效果的研究不斷涌現(xiàn),如文獻[2]利用顏色相似性聚類得到背景主色,然后根據(jù)顏色相似性原則實施偽裝和效果檢測與評價?；跀?shù)字圖像特征的偽裝效果檢測與評價大多采用特征量統(tǒng)計、偽裝前后比較或者偽裝目標與背景的特征比較等思想。

依據(jù)提取的偽裝目標圖像特征對偽裝效果評價,很大程度上取決于拍攝的目標圖像特征暴露程度,在進行偽裝效果評價時需要考慮天氣及環(huán)境條件,應該選擇天氣晴朗、光照較為充足的條件下檢測[4]。在實際操作中由于天氣等環(huán)境不利因素的影響,常常會導致獲取的圖像特征發(fā)生改變。紋理特征是圖像主要特征之一,在偽裝效果評價模型中經(jīng)常作為目標的圖像特征[5],但文獻[6]指出光照變化容易對圖像的紋理結構造成影響,從而影響對圖像的紋理特征分析。

目前依據(jù)偽裝目標圖像特征建立的偽裝效果評價模型中,提取目標紋理特征時重視紋理提取算法的研究,而忽視了環(huán)境等外界因素對目標的紋理信息影響作用。針對天氣等環(huán)境因素對紋理特征的影響[6],科研人員主要從兩個方面改善紋理提取對光照的魯棒性[7-8]：對圖像進行質量改善和提取紋理圖像對光照的不變特征。本文結合局部二進制模式(LBP)算法和灰度共生矩陣,將原圖轉換為不受光照影響的LBP紋理特征圖,然后對其LBP圖像提取灰度共生矩陣,獲得描述圖像紋理特征的5個特征值。通過該方法提取的紋理特征降低了外界光照環(huán)境的影響,保證偽裝目標的偽裝效果評價結果的準確性和可靠性。

1 LBP/灰度共生矩陣算法

1.1 問題提出

偽裝效果的客觀評價對偽裝技術有重要的指導作用,基于紋理特征的偽裝效果評價模型主要通過借鑒圖像識別中的紋理特征提取算法[9],根據(jù)提取的紋理圖像特征進行偽裝效果評價。在圖像識別中,關于紋理特征的提取算法主要有統(tǒng)計法、結構法、模型法和信號處理法,由于偽裝目標紋理特征的特殊性,常用的圖像紋理特征提取算法是基于統(tǒng)計法的灰度共生矩陣[10]。

對偽裝網(wǎng)的偽裝效果評估時，光照對評價結果會產生明顯的影響。采集的偽裝網(wǎng)紋理圖像如圖1(a)所示,對圖1(a)使用Photoshop改變亮度和色調模擬光照充足的環(huán)境如圖1(b)所示,對圖1(a)去除大氣光幕的影響后如圖1(c)所示。表1為對應紋理特征值。

圖1 不同光照下的紋理圖像

圖1ASMHCONCORL(a)0192418540062990637201595(b)0181327593166090282200590(c)0185120234071480653600577

由表1可知光照條件較好時紋理表現(xiàn)的更加清晰,圖像包含的紋理信息豐富,采用灰度共生矩陣提取的紋理特征值會隨著光照條件的變化而變化。光照變化容易對圖像的紋理結構造成影響,采用灰度共生矩陣算法不能抵抗光照變化的不利影響,因此基于灰度共生矩陣的紋理特征相似度對偽裝效果評價不可靠。

1.2 局部二進制模式(LBP)算法

目前,圖像的光照不變特征提取算法主要分為基于空域的光照不變特征提取算法和基于小波域的光照不變特征提取算法。其中基于空域的光照不變特征提取算法局部二進制模式(LBP)是一種經(jīng)典且效果良好的紋理描述算子[11-12],具有良好的光照不變性,廣泛應用于人臉識別、圖像檢索及紋理分類等領域。

LBP算子表示為8鄰域的二進制數(shù)的十進制形式如下所示:

(1)

(2)

其中ic表示中心像素(xc,yc)的灰度值,如圖2(a)中的95;in為其8鄰點的灰度值,如圖2(a)中的87,75,126,95，95,141,91，91,100;2n為編碼值,如圖2(c)中的數(shù)值。LBP對于任意單調的灰度變換具有不變性,即變換前后保持局部鄰域的二進制數(shù)不變。

圖2 LBP計算示例

LBP算子類似于濾波過程中的模板操作。逐行掃描圖像,對圖像中的每一個像素點,以該點的灰度值為閾值,大于等于閾值則置為1,小于閾值則置為0。對于圖2(a)所示的圖像,得到圖2(b)所示的二進制數(shù)00111001。由圖2(b)與圖2(c)的對應相乘之和來計算中心像素點的LBP,即LBP=4+8+16+128=156。對圖像的每一個像素點,按照上述方法計算其局部二進制模式,得到其原圖的LBP圖像。

1.3 基于紋理特征的相似度模型

LBP算法利用結構法的思想分析固定窗口特征,再利用統(tǒng)計法進行整體的特征提取。LBP算法能夠捕捉紋理中局部亮度變化的微觀結構,從而描述紋理的兩個重要特征[13]:局部空間模式和對比度。針對單獨使用灰度共生矩陣描述紋理特征對光照變化抵抗性能差[14]的問題,本文將容易受光照變化影響的原圖轉換為對光照變化抵抗性能好的LBP圖,通過對LBP圖建立灰度共生矩陣,計算偽裝目標與背景的紋理特征相似度。本文提出的結合LBP與灰度共生矩陣進行紋理特征相似度計算模型流程圖,如圖3所示。

圖3 紋理特征分析流程圖

2 實驗與結果分析

為了驗證本文提出方法的有效性,在光照條件較差的陰天采集偽裝目標圖像,如圖4(a)三種不同迷彩偽裝網(wǎng)的偽裝效果圖所示。將本文算法與紋理特征的灰度共生矩陣模型相比較,分別根據(jù)偽裝目標與背景紋理特征相似度對偽裝目標進行偽裝效果評價。圖4(b)是利用圖像處理技術對能見度較低的圖像進行圖像質量處理后的圖像,圖4(c)和圖4(d)是提取的對應LBP圖像。

圖4 偽裝目標圖像

首先對圖4中3幅偽裝目標圖像僅利用灰度共生矩陣描述紋理特征。提取偽裝目標的紋理圖像計算灰度共生矩陣的5個紋理特征值如表2所示,并與周圍8個背景的紋理圖像對比,計算紋理的平均相似度。

表2 紋理的灰度共生矩陣特征

表3 處理前后圖像的LBP圖相似度

表2中處理后圖像的熵值和對比度都增大,說明處理后圖像的紋理清晰度提高并且溝紋更深。從圖像的對比中可以看出對能見度低的圖像處理后,圖像的紋理細節(jié)更加清晰,偽裝目標紋理與背景差異明顯增大。原圖中偽裝目標與背景的紋理相似度計算值比較高,是由于大氣光照的影響降低了亮度對比,在視覺上偽裝目標與背景的紋理融合度提高。

對于一個長期的偽裝工事,如果在光照條件不好的天氣下判斷其偽裝效果是合格的,隨著天氣狀況的改變可能會暴露偽裝目標特征。表3中處理前后圖像的LBP圖相似度很高,表明LBP圖對外界光照具有良好的抵抗性。對原圖像和處理后的圖像提取LBP圖像,采用本文提出的紋理特征相似度模型[15],分別計算原圖和處理后圖像的紋理特征,并與背景對比計算紋理特征的相似度。如表4所示。

表4 紋理的LBP——灰度共生矩陣特征

由上述實驗我們得到結論:1) 處理前后圖像的LBP圖相似度接近99%,表明圖像的LBP圖對光照影響不敏感,因此采用本文算法計算的紋理特征相似度受到光照環(huán)境的影響較小。 2) 對圖4中的三幅圖像計算LBP圖的灰度共生矩陣特征值,根據(jù)相似度計算結果可知圖4(a2)的迷彩偽裝效果最好。圖4中的三幅圖像對比也表明圖4(a2)中偽裝目標與背景融合程度高,迷彩的紋理分布與背景接近,因此基于LBP紋理特征的偽裝效果檢測結果是可靠的。3) 實驗中采用預處理后圖像近似晴朗天氣,實際操作中紋理特征提取又會受到預處理技術的限制。因此,采用本文提出的算法提取原始圖像的紋理光照不變特征,然后利用灰度共生矩陣計算紋理特征值并計算其相似度,依據(jù)紋理特征相似度對偽裝目標的偽裝效果評估具有準確性和可靠性。

3 結束語

利用紋理特征的相似度對偽裝目標進行偽裝效果評估,基于空域的光照不變特征的提取算法局部二進制模式(LBP),本文提出將灰度共生矩陣與LBP相結合描述偽裝圖像的紋理特征。由于LBP算法具有良好的光照不變性,按照本文算法對原始圖像的LBP圖提取紋理特征值可以忽略不同天氣光照對紋理特征的影響。該圖像紋理相似度算法簡單易操作,有助于提高偽裝效果評估模型的準確性和可靠性。

[1] 賈其, 呂緒良, 文超, 等. 人眼視覺注意機制用于偽裝效果評價[J]. 應用科學學報, 2011, 29(3):294-298.

[2] 楊恒伏, 殷建平. 顏色相似性度量在主動偽裝設計中應用[J]. 激光與紅外, 2015, 45(8):999-1003.

[3] 林偉, 陳玉華, 王吉遠, 等. 基于圖像特征與心理感知量的偽裝效果評價方法[J]. 兵工學報, 2013, 34(4):412-417.

[4] 許衛(wèi)東, 王向偉. 偽裝檢測與效果評估理論和技術[M]. 北京：國防大學出版社, 2015.

[5] 徐珊. 數(shù)碼迷彩紋理設計及偽裝評價模型研究[D]. 合肥：合肥工業(yè)大學, 2015.

[6] 占俊杰. 光照變化的紋理分類研究[D]. 重慶：重慶大學, 2015.

[7] 侯群群, 王飛, 嚴麗. 基于灰度共生矩陣的彩色遙感圖像紋理特征提取[J]. 國土資源遙感, 2013, 25(4):26-32.

[8] 王凱. 基于圖像紋理特征提取算法的研究及應用[D]. 西南交通大學, 2013.

[9] 華文深, 楊佳, 劉恂,等. 基于高光譜特征的迷彩偽裝評價[J]. 應用光學, 2013, 34(6):964-967.

[10]陳燕芹, 段錦, 祝勇, 等. 基于紋理特征的圖像復雜度研究 [J]. 中國光學, 2015, 8(3):407-414.

[11]劉恂, 華文深, 楊佳,等. 基于局部Gabor二進制模式的高光譜偽裝目標圖像分類(英文)[J]. 強激光與粒子束, 2014, 26(11):43-50.

[12]Li Shun-longfei. Illumination Invariant Face Recognition Based on Log-Gabor Filtering and LBP Descriptor[J]. Journal of Xiamen University: Natural Science Edition, 2014, 53(03):359-363.

[13]王曉華, 黃偉, 金超,等. 多特征多分類器優(yōu)化匹配的人臉表情識別[J]. 光電工程, 2016, 43(3):73-79.

[14]王國德, 張培林, 任國全,等. 融合LBP和GLCM的紋理特征提取方法[J]. 計算機工程, 2012, 38(11):199-201.

[15]査國云, 劉鵬飛. 基于紋理特征相似度偽裝評估模型[J]. 電子技術與軟件工程, 2014(4):111-112.

Texture Feature Extraction Method of Camouflage Effect Evaluation Model

JIAN Chao-chao， HU Jiang-hua， CUI Guang-zhen

(PLA University of Science and Technology National Key ElectromagneticEnvironmental Effects and Electro-optical Engineering, Nanjing 210007, China)

To evaluate camouflage effect of the camouflaged military targets, we usually base on the changes of image characteristics before and after for camouflage target. Because of the influence of illumination environment led to the decrease of the image quality, it can produce adverse effect on the image feature and affect the camouflage effect evaluation. A method of Image texture feature extraction which combination of local binary pattern (LBP) and gray level co-occurrence matrix is proposed in this paper. This method first by local binary pattern (LBP) algorithm to extract the image feature which is not affected by light information, then get the five characteristics values of image texture feature by gray level co-occurrence matrix. Through comparative experiments show that this method can effectively reduce the illumination of the adverse impact of environmental factors on the camouflage effect evaluation, camouflage effect evaluation result more accurate and reliable.

image texture features; light environmental impact; local binary pattern; Gray symbiotic matrix; texture similarity; camouflage effect evaluation

2017-03-07

見超超(1991-)，女，陜西寶雞人，碩士研究生，研究方向為兵器科學與技術。 胡江華(1965-)，男，博士，教授。 崔光振(1992-)，男，碩士研究生。

1673-3819(2017)03-0102-04

E951.4；TP391

A

10.3969/j.issn.1673-3819.2017.03.022

修回日期： 2017-03-21