姜晉冉，盛樂園，成紅梅，于　勤，李培培

（阜陽師范學(xué)院 數(shù)學(xué)與統(tǒng)計學(xué)院，安徽 阜陽 236037）

迷彩偽裝效果的綜合評估

姜晉冉，盛樂園，成紅梅，于勤，李培培*

（阜陽師范學(xué)院 數(shù)學(xué)與統(tǒng)計學(xué)院，安徽 阜陽 236037）

為了實現(xiàn)迷彩偽裝效果的評價，選擇出與背景顏色具有更好偽裝效果的圖案，鑒于評價指標具有不同的屬性，本文提出了基于灰色關(guān)聯(lián)度分析的綜合評價方法。首先將樣本與背景顏色進行比較，選取顏色、亮度、形狀和紋理等4項特征作為評價指標，然后利用灰色關(guān)聯(lián)度分析得出了8張樣本圖案在3種背景圖案下的4項指標排序，最后利用Borda數(shù)排序法，得出了8張樣本圖案在3種環(huán)境下的綜合偽裝效果的排序，從而尋找出適應(yīng)范圍更廣的迷彩圖案。

偽裝效果；綜合評價；灰色關(guān)聯(lián)分析；排序

迷彩偽裝可以提高士兵和裝備戰(zhàn)場生存能力，在現(xiàn)代戰(zhàn)爭中具有重要作用。但如何評價迷彩偽裝的優(yōu)劣，以及如何選出能夠適合多種背景的迷彩圖案，目前尚無統(tǒng)一標準。迷彩偽裝評價的傳統(tǒng)方法是實地觀測，然而在很大程度上它受到觀測人員的主觀因素影響，導(dǎo)致評價結(jié)果不科學(xué)，并且還會造成人力和物力資源的浪費。

為解決這些問題，許多科研人員進行了相關(guān)研究。許衛(wèi)東等提出了一種基于歐氏距離的偽裝性能評估模型［1］，通過迷彩圖案的斑紋特征進行偽裝評估；張桂艷等對地面設(shè)備數(shù)碼迷彩偽裝技術(shù)研究［2］，提出了數(shù)碼迷彩偽裝以及數(shù)碼迷彩偽裝的優(yōu)化模型；汪東等通過建立灰度直方圖來評價偽裝效果［3］；秦建飛等通過數(shù)碼仿造迷彩客觀定量評價來改進評價偽裝效果［4］；鄧建軍等通過基于云理論的地空導(dǎo)彈武器假目標逼真度評價［5］。這些對本文對迷彩偽裝評價的研究有一定參考價值。但單一的評價指標只能有效評價某些特定背景，大部分的背景就不能評價得出準確結(jié)果。

除此以外還有一些具體的評價方法，王賀等提出的基于容限近集理論的光學(xué)偽裝評價研究［6］，使用圖像的顏色（灰度）、紋理特征和統(tǒng)計功能，集合了圖像綜合信息，利用容限近集相關(guān)知識，基于這些特征找出圖像在偽裝前后的所有容限近似類，得到一個全面?zhèn)窝b評價指標的近似測量（tNM）。楊佳等提出迷彩偽裝的高光譜特性分析中［7］，對高光譜成像條件下的迷彩偽裝特性及影響偽裝效果的因素進行了綜合分析。在光譜維，從高光譜圖像中直接提取光譜曲線，確定了圖像對比度高、迷彩偽裝特征明顯的光譜波段，為迷彩偽裝的設(shè)計及識別提供了理論參考。侯磊等提出的數(shù)碼迷彩偽裝效果評價方法的研究中［8］，基于FPGA+DSP為核心的硬件系統(tǒng)優(yōu)化方案，根據(jù)偽裝學(xué)原理結(jié)合圖像處理等手段，對已生成的數(shù)碼迷彩區(qū)域進行邊緣檢測，對圖像的主色調(diào)、亮度、紋理特征進行提取建立了一種合理的評價方法。

根據(jù)以往的研究出現(xiàn)的評價指標單一，且評價主觀和評價效能低等問題。本文綜合多項偽裝評價指標，提出了基于灰色加權(quán)關(guān)聯(lián)度分析的綜合評價法，并通過計算與實驗驗證了該方法的有效性，最終選擇出適合多種環(huán)境的迷彩圖案。

1　綜合評價理論體系

根據(jù)迷彩服的設(shè)計原則綜合選取了顏色特征、亮度對比、紋理特征、邊緣形狀作為評價指標，分別與林地、雪地、沙漠三種不同的背景環(huán)境進行對比，最后應(yīng)用灰色綜合評價，找出在林地、雪地、沙漠三種環(huán)境下偽裝效果最好的圖案。綜合評價的流程圖如圖1所示。

圖1 綜合評價流程圖

1.1顏色特征

顏色特征是人類視覺機制的一個重要因素。為研究方便，本文選擇能較好地符合人類視覺感知的HSV色彩空間。它由表示不同顏色的色調(diào)（H）、表示顏色深淺的飽和度（S）和表示顏色明暗程度的亮度（V）三個分量組成［9］。

根據(jù)人類視覺機制對顏色特性要求，以及對偽裝目標的顏色特征要求，在H，S和V每個顏色空間范圍內(nèi)，分別取12，5和5個區(qū)間并對其進行量化。量化后的H，S和V結(jié)果，如表1-3所示。

表1　12個色調(diào)區(qū)間量化的結(jié)果

表2　5個飽和度區(qū)間量化的結(jié)果

表3　5個亮度區(qū)間量化的結(jié)果

量化完成后，將H、S和V三個顏色分量合成一個特征式

其中Q=0，1，…，299，共300個區(qū)間。由于兩個直方圖測量交叉迷彩顏色和背景顏色特征的相似性，可把直方圖即圖像的相似性度量表示為

其中A和B分別為在同一亮度條件下偽裝的背景圖像，HA［i］和HB［i］（i=1，2，…，L）為顏色直方圖特征向量。

1.2亮度特征

亮度可引起視覺注意，是最直接地刺激人眼接觸的一個重要因素。在本文中，選用顏色的對比色即Lab顏色空間，其中L是亮度，取值是0～100（純黑～純白），a表示從紅到綠，b表示從黃到藍。在Lab顏色空間中，可單獨調(diào)整L的亮度，L的亮度轉(zhuǎn)換關(guān)系如下：

其中，Y是亮度三色值CⅠEXYZ色彩空間；Y0參考輻射強度白光，在標準光源D65照明下，取Y0= 100。圖像之間的亮度差異值可使用下面的公式計算得出

其中L1表示背景亮度；L2表示目標亮度。

1.3形狀特征

形狀特征是目標識別的關(guān)鍵信息，與彩色或灰度圖像的細節(jié)變化無關(guān)，具有很好的穩(wěn)定性和良好的平移、旋轉(zhuǎn)和縮放不變性。視覺生理分析階段的主要特征信息包括歐拉數(shù)、平均值、方差的奇異度、封閉區(qū)域的平均數(shù)、邊緣點和邊緣像素的均值和方差。提取邊緣方向形狀特征以檢測圖像的邊緣。邊緣檢測是局部灰度級或結(jié)構(gòu)的突變檢測。Canny算子被用于提取圖像邊緣，在MATLAB環(huán)境下，利用邊緣圖像處理工具箱函數(shù)，可計算圖像的邊緣，使用bwlabel函數(shù)提取邊緣到標簽矩陣，然后計算形狀功能與regionprons功能。

1.4紋理特征

紋理特征集成圖像的相位信息，主要特征量包括圖像相關(guān)的長度、紋理方向、光譜相似性、圖像相似性和直方圖相似性。

圖像相關(guān)長度r表示圖像紋理的粗細程度，可以從傅立葉頻譜的圖像來計算：

其中W為圖像的Wiener功率譜。

其中F（u，v）為圖像的傅里葉頻譜。

紋理方向θ表示圖像紋理的主要朝向：

其中

如果有函數(shù)f（x，y）和g（x，y），則其相似度P為：

圖像相似度表示圖像的相似程度。在MATLAB環(huán)境下，利用corr2函數(shù)可以直接調(diào)用圖像處理工具箱，計算目標和背景圖像之間的相似度，并取平均值作為目標值的特性的評價。

2　偽裝樣本的評估

為客觀地評價各種風(fēng)格的迷彩偽裝效果，我們選擇了8個典型的迷彩圖案，提取的亮度對比、顏色特征、紋理特征和邊緣形狀的四個指標。在同樣的能見度條件下，如森林、雪地和沙漠環(huán)境，確定四個指標的權(quán)重。應(yīng)用灰色關(guān)聯(lián)分析方法，計算加權(quán)灰色關(guān)聯(lián)度。然后可以評估各種迷彩偽裝效果。從標題中提取的信息，我們選了八種風(fēng)格和三種迷彩紋理的背景環(huán)境，樣品如圖2-3。

圖2　八個典型的迷彩圖案的樣本

圖3　三種迷彩紋理的背景環(huán)境

這些評價的指標中，各因素的物理意義并不相同，因此數(shù)據(jù)的量綱也不一定相同，導(dǎo)致不容易去比較不同指標，常常需要進行灰色關(guān)聯(lián)度分析［10-11］。

本文關(guān)鍵算法表述如下：

Step1：確定分析序列，即確定反映系統(tǒng)行為特征的參考序列和影響系統(tǒng)行為的比較序列。將背景顏色的指標作為參考序列

將樣本指標的值作為比較序列

Step2：灰色關(guān)聯(lián)系數(shù)的計算。

序列的第k指標的關(guān)聯(lián)系數(shù)的參考序列x0，其中ρ∈［0，1］為判別系數(shù)，

分別為兩級最小差異和兩級的最大差異。在一般情況下，ρ的判別系數(shù)越小，分辨率越大；分辨系數(shù)ρ越大，分辨率越小。

Step3：計算灰色加權(quán)關(guān)聯(lián)度［12-13］。

根據(jù)灰色加權(quán)關(guān)聯(lián)度的計算公式：

其中，第i個對象的ri是灰色加權(quán)關(guān)聯(lián)度的一個理想的對象。

Step4：根據(jù)灰色加權(quán)關(guān)聯(lián)度的大小進行排序，可以得出對于母序列來說各子序列的“優(yōu)劣”關(guān)系。在本文中，首先按照顏色、亮度、形狀、紋理這4項指標對給出的8種迷彩圖案在3種環(huán)境下進行子序列排序，如表4所示。

表4　8個樣本圖案在3種環(huán)境下的評價

由單個指標下各決策評價聚合成多指標評價，利用子排序結(jié)果，Borda函數(shù)可以集結(jié)各單個指標評價集的群體排序，最終得出綜合排序的結(jié)果。所以，子序列排序結(jié)束后，使用決策分析法確定Borda函數(shù)對母序列進行綜合排序［14］。即在第i個排列方案中排在第 j個被評價對象uj后面的個數(shù)為，則被評價對象uj的Borda函數(shù)為：

根據(jù)這一公式的計算結(jié)果按大小進行排序，排序可以得到n個被評價對象的綜合評價結(jié)果，即總排序結(jié)果，如表5所示。

表5　樣本圖案適用度的排序

從上述表格可以得出各個迷彩類型的總排序數(shù)，反映出迷彩偽裝效果的好壞，因此8種不同迷彩圖案偽裝效果的綜合排序為（由優(yōu)到劣）：

7＞5＞4＞6＞8＞3＞2＞1。

實驗結(jié)果表明，評價結(jié)果首先可以從單個特征指標的角度來比較，迷彩圖案7在亮度對比方面表現(xiàn)最好；迷彩圖案8在顏色特征對比方面表現(xiàn)最好；迷彩圖案4在邊緣形狀對比方面表現(xiàn)最好；迷彩圖案5在紋理特征對比方面表現(xiàn)最好。從綜合偽裝效果來說，迷彩圖案7在綜合方面都有一個不錯的效果。

從實驗結(jié)果以及上述分析還可以得出，各個指標之間是相互聯(lián)系的，在設(shè)計上應(yīng)反復(fù)嘗試，并根據(jù)實際情況進行調(diào)整，以使各指標都在合理的范圍內(nèi)，這樣設(shè)計的迷彩圖案將達到預(yù)定的偽裝效果。

3　小結(jié)

本文通過亮度對比、顏色特征、紋理特征和邊緣形狀四個指標，采用了綜合評估方法對8種典型的迷彩圖案進行偽裝效果評價。在多個指標影響下，每一個特征指標都具有一定的代表性和獨立性，運用了灰色關(guān)聯(lián)度分析方法保證了迷彩偽裝效果評價的整體性和綜合性。從而有效評價各種背景下的迷彩圖案偽裝效果，設(shè)計出能夠適合多種環(huán)境的迷彩圖案。同時該方法還適用于很多未知的迷彩偽裝效果的評價。

［1］ 許衛(wèi)東，唐建寧，呂緒良，等.一種基于歐氏距離的偽裝器材性能評估模型［J］.解放軍理工大學(xué)學(xué)報（自然科學(xué)版），2001，2（1）：74-76.

［2］ 張桂艷，張勇.地面設(shè)備數(shù)碼迷彩偽裝技術(shù)研究［J］.數(shù)字技術(shù)與應(yīng)用，2014（8）：108-109，111.

［3］ 汪東，呂緒良，許衛(wèi)東，等.基于灰度直方圖分析技術(shù)的偽裝應(yīng)用模型［J］.解放軍理工大學(xué)學(xué)報（自然科學(xué)版），2004，5（3）：74-77.

［4］ 秦建飛，渠立永，呂振堅，等.數(shù)碼仿造迷彩客觀定量評價［J］.指揮控制與仿真，2014，36（5）：55-58.

［5］ 鄧建軍，楊建軍，高峰.基于云理論的地空導(dǎo)彈武器假目標逼真度評價［J］.火力與指揮控制，2013，38 （3）：92-94.

［6］ 王賀，白廷柱.基于容限近集理論的光學(xué)偽裝評價研究［J］.光學(xué)學(xué)報，2012，32（12）：128-133.

［7］ 楊佳，華文深，劉恂，等.迷彩偽裝的高光譜特性分析［J］.光學(xué)儀器，2013，35（5）：27-31.

［8］ 侯磊，喻鈞，陳丁.數(shù)碼迷彩偽裝效果評價方法的研究［J］.國外電子測量技術(shù)，2013，32（2）：23-25.

［9］ 郭英華.基于HSV色彩空間的圖像分割［J］.黑龍江冶金，2011，31（2）：35-37.

［10］謝乃明.灰色系統(tǒng)建模技術(shù)研究［D］.南京：南京航空航天大學(xué)，2008.

［11］劉思峰，黨耀國，方志耕.灰色系統(tǒng)理論及其應(yīng)用［M］.開封：河南大學(xué)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］周榮喜，范福云，何大義，等.多屬性群決策中基于數(shù)據(jù)穩(wěn)定性與主觀偏好的綜合熵權(quán)法［J］.控制與決策，2012，27（8）：1169-1174.

［14］鄧 偉，吳祈宗.含語言評價信息的一種模糊多屬性群決策方法［J］.數(shù)學(xué)的實踐與認識，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，F(xiàn)uyang Normal University，F(xiàn)uyang 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

國家特色專業(yè)（TS1496）；全國統(tǒng)計科學(xué)研究項目（2014LY088）；阜陽師范學(xué)院自然科學(xué)研究項目（2014FSKJ13）；安徽省質(zhì)量工程項目（2013zy167，2014zy138，2015jxtd121，AH201410371014）；阜陽師范學(xué)院質(zhì)量工程項目（2013ZYSD05，214JXTD01）資助。

李培培（1982-），女，碩士，講師，研究方向：計算復(fù)雜性。Email：anqilpp@163.com。