基于變化檢測的機場毀傷評估算法

牛鵬輝， 李衛華， 李小春

(空軍工程大學電訊工程學院，西安 710077)

0 引言

自20世紀60年代至今，海灣戰爭、科索沃戰爭結束后，毀傷評估越來越受重視，成為一個方興未艾的研究領域。以美國為首的少數發達國家從人工發展到機器和人工相結合的階段，利用圖像分析對目標毀傷效果進行評估的技術已經遠遠領先于其他國家，并有著相對成熟的評估系統，往往在軍事打擊后幾小時內就可以完成毀傷評估，效率上提高了很多。隨著遙感技術及微電子技術的發展，此類方法大大方便了作戰決策過程。國內在利用遙感圖像進行毀傷評估方面的研究起步比較晚，致使研究結果與實際應用還有比較大的差距，這有技術方面的原因，也有圖像數據缺乏等因素，但是與之相關的一些工作正在逐步開展和前進。毀傷評估是一個龐大的系統工程，需要多學科長期的集體努力才能完成，所需信息主要有兩大類:一是滿足評估的信息來源;二是毀傷效果評估標準。從美軍經驗可知，采用多時相遙感圖像的變化檢測技術是進行毀傷效果評估的一種客觀而有效的方法，可以提高毀傷效果評估的準確性和實時性［1］。

由于軍事涉密性，國內外很少直接有關于機場毀傷評估方面的文獻，對于毀傷評估的算法大多是基于圖像分析的。文獻［2-6］對機場和跑道目標的毀傷評估進行了研究，絕大多數是基于毀傷面積一個指標來評估跑道的毀傷程度，通過最小起飛距離給出跑道功能和封鎖的準則，同時個別人也通過建立目標打擊前后特征的變化率對飛機目標的毀傷程度進行了分析;文獻［7-8］建立機場在毀傷條件下的作戰效能量化評估模型，避免了以往就打擊機場問題僅考慮單一因素的弊端，通過對各個子目標的易損性及保障功能結構邏輯的分析，以子目標保障能力指數為表征從而完成整個機場目標的毀傷評估。雖然這些學者在毀傷評估方面的研究取得了一定的成果，但絕大部分的評估在毀傷特征指標的選擇和提取、準則的判定等方面缺乏一些通用性和實效性，在應用于任何背景、任何分辨率下的機場的毀傷評估中仍需要進一步的探索和完善。

本文針對機場的特點，提出了一種基于遙感圖像變化檢測的機場毀傷效果評估算法，算法分為4個關鍵步驟，重點在特征選取和評估準則方面進行深入研究，建立了特征向量“相似度”和評估準則，通過對目標打擊前后特征變化的分析，實現了對機場目標毀傷效果的自動評估。

1 機場系統的組成

機場作為組織保障飛機活動的具體場所，已經成為空中作戰和軍事訓練活動的重要依托。一般情況下，它由主戰系統和保障系統組成。主戰系統是指完成作戰任務的飛機;保障系統則指為飛機完成作戰任務提供支持與保障的單元，主要包括飛行場地、后勤保障、指揮設施和防護設施［9］，具體如表1所示。

表1 機場系統的組成Table 1 Composition of the airport system

分析目標系統功能結構可知，一般存在串聯、并聯或串并聯混合型的結構類型，子目標受損都會對目標整體功能產生影響。因此，機場系統中的子系統都可能成為打擊的具體對象。鑒于完整的機場遙感圖像缺乏，本文只針對圖像中飛機及建筑物目標進行基于變化檢測的毀傷評估分析和研究。

2 毀傷評估算法

2.1 算法描述

毀傷效果評估要以特征信息的提取為核心，所以，合理有效的評估方法要盡量選擇能反映目標特性的特征，并對圖像進行適當的處理以利于目標特征的提取;然后分析對比所提取的特征，并在此基礎上結合一定的評估規則說明目標的毀傷程度。根據上述分析，本文提出一種基于遙感圖像變化檢測的機場毀傷效果評估算法，如圖1所示，主要包括圖像預處理、興趣區域劃定、毀傷特征提取、分級評估4個模塊。

圖1 毀傷評估算法流程圖Fig.1 Flow chart of damage assessment algorithm

2.2 圖像預處理

在遙感圖像獲取的過程中，造成數據量測誤差的因素很多，例如光學系統的像差，遙感器的不穩定，平臺飛行姿態的變化，大氣條件和海上雜波的干擾等因素都會影響遙感圖像的質量［10］。因此，為抑制不需要的圖像特征或者增強某些對于后續處理重要的圖像特征，必須首先對圖像進行預處理，將圖像轉變為一種更適合于人或機器分析的形式。針對變化檢測前后遙感圖像的特點，本文采用直方圖規定化的方法來增強圖像局部的對比度，同時有效抑制了大氣條件影響等因素導致的背景差異，如圖2所示。

圖2 直方圖規定化前、后圖像比較Fig.2 Comparison between the original and normalized image

2.3 興趣區域劃定

遙感圖像是在很高的視場上獲得的，覆蓋地域很大，在對其進行變化檢測時，突出興趣區域變化信息的提取，有助于提高算法處理的效率和精度。本文根據機場跑道具有明顯的直線特征，采用具有統計性質的霍夫(Hough)變換［11］來提取機場區域。該變換把圖像數據空間的一個點映射為Hough參數空間的正弦曲線，依據變換域中各個位置的統計量來進行該種類型的曲線的檢測，避免了噪聲和曲線間斷產生的影響，從而實現了對機場跑道的準確提取。如圖3b所示，利用Hough變換將機場跑道的線狀特征檢測出來，然后利用邊緣直線段的坐標提取出機場區域，抑制掉過多的背景信息，如圖3c所示。

圖3 興趣區域劃定Fig.3 Demarcation of regions of interest

2.4 毀傷特征提取

變化檢測是通過分析同一地理位置多時相遙感圖像，觀察并判斷一個對象其狀態有無發生變化的有效方法［12］。在打擊前圖像上進行機場區域的劃定后，與已配準的打擊后圖像進行區域方位映射，得到打擊后的機場區域在圖像中的大致方位信息，然后采用灰度變化檢測方法，對打擊前后的機場區域圖像進行變化檢測，得到毀傷的候選區域，利用變化檢測參數指標對打擊目標的圖像特征進行描述，實現毀傷信息的有效提取。

為了對候選區域內打擊后目標的毀傷信息進行識別，本文利用常用的幾何和紋理特征變化表征毀傷信息［13］。因此，從特征準確提取的需要出發，先對候選的區域進行兩個處理［14］:第一個是利用目標的先驗知識建立一個與目標大小類似的矩形模板，采用空間二維匹配濾波方法在圖像上使模板沿距離和方位向滑動，或者圍繞其質心轉動，直到模板所含的能量最大，矩形的位置和方向代表了人造目標的位置和方向，從而方便紋理特征的提取;另一個處理是利用形態學圖像處理，如具有不同內核的侵蝕、擴散處理、邊沿檢測等，找出與目標形狀類似的區域，確定目標的幾何形狀、在方位向和距離向的分布范圍等，方便幾何特征的提取。

幾何特征是一種反映圖像中目標外觀幾何大小的視覺特征。正常情況下，人造目標可以看成是由許多線性體構成，呈現某種偏正態分布，遭到毀傷后，這種分布形式會發生變化，并且不同類別、不同破壞程度的線性體分布圖像會呈現有規律的變化，反映在圖像上變化的特征有粗糙比、緊湊比、面積比、周長比、長短軸比、周長等參數［15］。上述特征具體描述如下。

粗糙比:

緊湊比:

面積比:

周長比:

長短軸比:

其中:Lmajor為測得目標的最長主軸;Lminor為測得目標的最短軸;Pper為目標的周長;Aar為目標的面積;和為用一個凸多邊形來近似目標時的周長和面積。

紋理特征是一種反映圖像中同質現象的視覺特征，體現了目標表面共有的屬性，包含了結構組織排列的重要信息以及與周圍環境的聯系。圖像上的紋理絕大部分屬于隨機性，主要利用統計紋理分類方法進行處理，為充分利用灰度空間信息，本文采取基于灰度共生矩陣的紋理統計量表示圖像的特征信息，Haralick［16］曾經提出14種灰度共生矩陣計算出來的統計量，但是經過分析，對于本文遙感圖像來說以下4種統計量描述紋理特征的效果更明顯。

對比度(即慣性矩，局部圖像變化的總量，反映了圖像的清晰度和紋理的溝紋深淺)。

能量(即角二階矩，圖像灰度一致性的度量)。

熵(圖像具有的信息量的度量，是測量灰度級分布隨機性的特征參數，表征了圖像中紋理的復雜程度)。

相關(即逆差矩，圖像局部灰度均勻性的度量)。

其中:i，j為灰度，Pθ，d(i，j)為相對頻率，描述具有灰度級i，j的兩個像素，在方向θ上間隔距離為d，以多大頻率出現在窗口;μx，μy分別表示共生矩陣在列方向和行方向上的均值;σx，σy分別表示共生矩陣在列方向和行方向上的方差。

2.5 分級評估

毀傷評估是在比較火力打擊前后目標有關特征參量變化程度的基礎上，進一步量化并確定目標的毀傷程度。需要解決的問題就是兩組特征向量的關系，常用基于集合距離的判斷方法，如Hamming距離、歐氏距離、內外距離等，但這些不帶權值的距離計算方法精度并不高，所做出的評估準確度不高，因為各個參數的取值范圍變化很大，參數的絕對變化量不能反映其相對變化量。因此，本文先利用模糊集中的相似關系建立一個關于整體的特征向量“相似度”，然后基于特征向量內各個特征所代表的物理意義不同，會導致參數之間取值范圍變大的原因，分別對幾何和紋理兩組特征向量里同類特征進行歸一化處理，采用文獻［17］中特征向量的“二次距離”對目標毀傷情況進行評估。

第1級評估 依據幾何特征二次距離進行評估。如果二次距離較大，相似度較小，則可判斷目標受到毀傷，引起了外形上的變化，但不能判斷毀傷的程度和具體部位。如果外形發生了很大變化，可認為目標受到嚴重毀傷。

第2級評估 根據幾何和紋理特征二次距離進行評估。如果兩個特征二次距離都較小，相似度較大，則可判斷目標未受到毀傷;如果幾何特征二次距離較小，而紋理特征二次距離較大，相似度適中，則可判斷目標受到輕度毀傷，雖然外形維持原貌，但內部結構受損較嚴重;如果兩個特征二次距離都較大，相似度較小，則可判斷目標受到嚴重毀傷。

第3級評估 在確認目標受毀傷的情況下，根據目標的具體形狀把目標分為不同部分，分別計算不同部分的二次距離，則對毀傷嚴重的目標，還可根據不同部分的二次距離判斷目標受毀的具體部位。

由此可知，第1級評估是針對目標幾何特征進行分析的，可立刻判斷目標是否受到毀傷;第2級評估是針對目標幾何和紋理特征進行分析的，不僅可以明確目標是否受到毀傷，而且可以更好地判斷目標的毀傷程度;第3級評估是在判斷目標毀傷程度的基礎上，確定毀傷的具體部位。

3 仿真結果與分析

根據上述毀傷評估算法，本節使用某機場的遙感影像進行了仿真，采用的原始圖像如圖2a所示，大小為512×512像素。因為缺乏真實的毀傷機場遙感圖像，本文通過仿真對原圖像中的一個飛機目標和建筑物目標進行一定程度的毀傷，得到了毀傷后的機場遙感圖像。

首先，對原始圖像進行預處理和興趣區域劃定，增強了圖像對比度，同時抑制掉了過多的背景干擾，利于興趣區域變化信息的提取，如圖2b和圖3c所示;其次，采用圖像差值法對打擊前后的機場區域圖像進行變化檢測，得到了毀傷的候選區域，如圖4c所示;然后對打擊前后的圖像進行空間二維濾波方法和形態學處理，分別提取并歸一化目標的幾何特征和紋理特征，計算打擊前后目標整體的特征向量相似度，幾何、紋理特征二次距離，結果如表2所示。

從表2中可以看出，飛機的幾何特征二次距離較小，為 0.3332，紋理特征二次距離較大，為 0.5772，特征向量相似度為0.6242，符合第2級評估規則，故可以說明飛機目標受到輕度毀傷，外形變化不大，但內部結構變化較大;建筑物的幾何特征二次距離較大，為0.8290，紋理特征二次距離較小，為 0.3638，特征向量相似度為0.3102，符合第1級評估規則，外形變化很大，故可以直接說明建筑物目標受到嚴重毀傷。從實驗可以看出算法自動評估的結果與目視結果基本一致，可見本文人工處理得到毀傷后的圖像是合理的，所提出的毀傷效果評估算法是切實可行的，如果在具有真實圖像的條件下會獲得更好的驗證。

圖4 毀傷評估結果Fig.4 Experiment results of damage assessment

表2 目標毀傷評估表Table 2 Damage assessment of target

4 結束語

本文提出了一種基于遙感圖像變化檢測的機場毀傷效果評估算法，對算法的各模塊進行了詳細的說明，并進行了仿真，仿真結果表明該算法可以對目標毀傷程度進行有效評估。

從上述工作可以看出算法的關鍵是目標毀傷特征的提取和評估規則的建立，本文在對遙感圖像進行變化檢測的基礎上，引入了空間二維匹配濾波和形態學處理，以便對目標特征能夠進行準確的提取，同時，建立了目標整體的特征向量“相似度”，幾何、紋理特征“二次距離”，制定了分級評估規則。盡管本文采用一定的仿真手段得到了比較好的效果，但對實際復雜目標的復雜圖像而言，為了使算法更加完善而合理，應該結合目標的具體模型以及更多的非圖像信息對目標的毀傷程度進行更準確的評估。

［1］SSU H Y,ANUJ S,RAMAN K M.Automatic battle damage assessment based on laser radar imagery［J］.SPIE,1999,3707:210-221.

［2］范瑞彬.遙感圖像中機場識別與毀傷分析研究［D］.南京:南京理工大學，2004.

［3］楊茂龍，夏德深.跑道毀傷識別中的變化檢測研究［J］.遙感技術與應用，2005，20(5):474-477.

［4］高士英，劉彥，黃風雷.子母彈對機場跑道毀傷評估的計算模擬研究［J］.彈箭與制導學報，2008，28(6):132-134.

［5］郜鵬飛.機場目標毀傷評估算法研究及半物理仿真系統設計［D］.上海:上海交通大學，2009.

［6］于天超.基于多尺度融合的遙感圖像變化檢測及其毀傷評估應用［D］.成都:電子科技大學，2010.

［7］范陽濤，楊萍，世文學，等.基于毀傷的機場作戰效能評估［J］.四川兵工學報，2008，30(10):93-95.

［8］顏潔，劉建坡，唐偉廣.基于遙感圖像變化檢測的毀傷效果分析［J］.信號與信息處理，2010，40(10):30-32.

［9］WU Huiqin,LING Xudong.Assessment model of airport target based on grey relational analysis and AHP method［C］//IEEE 2ed International Conference,Chonqing:2010:237-340.

［10］RADKE R J,ANDRA S,KOFAHI O,et al.Image change detection algorithms:A systematic survey［J］.IEEE Transactions on Image Processing,2005,14(3):294-307.

［11］GUIL N,VILLALBA J,ZAPATA E L.A fast hough transform for segment detection［J］.IEEE Transaction on Image Processing,1995,4(11):1541.

［12］李小春，陳鯨.一種變化檢測的新算法［J］.宇航學報，2005，26(3):334-338.

［13］袁海禮，宋建莊，薛文通，等.利用灰度和紋理特征的SAR圖像分類研究［J］.電光與控制，2007，14(4):58-62.

［14］付文憲，李少洪，洪文.基于高分辨率SAR圖像的打擊效果評估［J］.電子學報，2003，31(9):1290-1294.

［15］ANDR G，CHIROIU L，MERING C，et al.Building destruction and damage assessment after earthquake using high resolution optical sensor［C］//IGARSS'03 Proceedings，2003:2398-2400.

［16］HARALICK R M,SHANMUGAM K，DINSTEIN I.Texture features for image classification［J］.IEEE Trans System Man Cybernet,1973,3(6):610-621.

［17］KREITHEN D E，HALVERSEN S D.A discrimination algorithm and the effect of resolution［C］//IEEE National Radar Conference London:IEEE NRC,1993:128-133.