基于假設檢驗及SAR圖像統計分布特性的偽裝效果評價方法

龐海洋，劉凱龍，王巖飛

(1.63956部隊北京100093;2.中國科學院電子學研究所，北京100022;3.中國科學院研究生院，北京100039)

偽裝是為被敵方探測、識別和定位目標的可能性減少到最低或所要求限度而采取的各種“隱真示假”方法［1］。從偽裝的定義可看出，偽裝目的是針對敵方發現、識別和定位己方目標，通過迷惑敵方，從而影響敵方的判斷，保證我方戰略、戰術意圖的順利實施以及提高我方軍事目標的生存能力。

在現代信息化戰場條件下，隨著高分辨率SAR技術的進步，高分辨率SAR系統得到廣泛的應用，由于SAR系統具有全天候、全天時、覆蓋面積大等優點，使SAR圖像被廣泛用于進行軍事偵察、打擊效果評估等軍事行動，成為現代戰場信息獲取的一個重要手段。

針對高分辨率SAR偵察對軍事偽裝的威脅，應研究相應的偽裝效果評價方法，通過科學、全面、準確地評價我軍裝備和國防工程的偽裝效果，確保其能在高分辨SAR偵察下具備有效的偽裝，從而提升防高分辨率SAR偵察能力及戰場生存能力。

1 偽裝目標及背景的分布特性

在SAR圖像中，場景和目標服從一定的分布特性，其分布特性與其電磁特性相關，當場景或目標發生變化時，將引起相應SAR圖像的分布特性的變化［2－4］。

由于偽裝目標與背景的電磁特性的差異，其在SAR圖像上表現出的分布特性曲線也會相應的存在差異。為分析、研究這種差異性，在某訓練場組織了一次大型偽裝試驗，參試裝備包括多型偽裝裝備以及主戰裝備。利用這些裝備，根據我軍偽裝條令，綜合利用各種手段，在試驗場區域內布置了多個偽裝目標。利用機載高分辨率SAR系統(X波段，0.3 m分辨率)，經多次飛行，獲取了試驗區域的高分辨率SAR圖像。

圖1(a)、(b)給出其中兩個偽裝目標及其背景的特性曲線。被偽裝目標均為某型號軍用戰車，使用某型號偽裝器材進行掩蓋，圖1(a)中偽裝目標的遮障面用一定的手段進行裝飾，圖1(b)中偽裝后的戰車未采用裝飾手段，放置于叢林內。圖1 (c)給出的是未偽裝目標及其背景的特性曲線。

圖1 目標與背景SAR圖像特性曲線Fig.1 Characteristic distributing for targets and background

從圖1(a)～(c)給出的分布特性曲線分析得出:

1)盡管進行了偽裝，但偽裝目標與背景的分布特性曲線仍存在差異。

2)偽裝目標(相對于未偽裝目標)與背景的分布特性曲線差異較小。

3)采用不同的偽裝策略，偽裝效果存在差異。這也充分說明經過偽裝，目標的特性接近于背景的特性，針對這種情況，需要建立相應的方法進行偽裝效果評價。

2 基于假設檢驗及統計分布特性的偽裝效果評價算法

在實際應用中，大多數防SAR偵察偽裝效果評價問題都能以SAR圖像感興趣區域一致性檢測的形式提出，通過不同時段的同一區域一致性檢測、同一時段的不同區域一致性檢測，識別目標區域狀態的變化。

首先需要對高分辨率SAR圖像的分布特性進行假設檢驗。假設圖像目標區域的灰度值為某分布，為了檢驗此假設的正確性，利用區域內的數據估算出服從某一分布，然后抽取隨機樣本進行雙邊檢測，通過顯著性水平確定的拒絕域決策。步驟為:

1)計算圖像區域的灰度值概率分布，構造區域圖像的灰度直方圖;

2)提出原假設H0，區域圖像強度服從某分布，其分布函數為Fx(x，θ);

3)根據樣本總體數據，估計參數θ值;

4)根據假設檢驗原理，抽取N個隨機樣本數，標準化后進行雙邊檢測;

5)選擇顯著性水平α，確定檢驗的拒絕域或臨界點;

6)決策是否接受假設H0［5］。

由于偽裝效果評價的任務是判斷偽裝目標的特性數據是否和背景相似，若偽裝目標數據和背景數據皆為圖像，則偽裝效果評價問題可以表述為:在給定檢驗水平的條件下，判斷偽裝目標圖像與背景圖像有無明顯差別。通過檢驗偽裝目標與背景SAR圖像的分布特性是否服從一致的對數正態分布來定量分析偽裝效果。

下面從實際試驗中比較典型的情況出發，推導服從對數正態分布的高分辨率SAR圖像偽裝效果評價算法。

1)假設圖像x和y均服從獨立對數正態分布，分別從圖像x和圖像y中各隨機抽取Nx、Ny個像素點，像素點的灰度均值和方差分別為:、

5)在得到方差齊性的基礎上，判別μx與μy，作出假設:H0:μx=μy;H1:μx≠μy。

7)根據t檢驗，當H0為真時，t～t(Nx+Ny－2)。若|t|＜tα(Nx+Ny－2)，則接受假設H0，認為圖像x和圖像y無明顯差別，即偽裝效果好;否則接受假設H1，認為圖像x和圖像y具有明顯差別，即偽裝效果差［6－10］。

算法根據SAR目標區域的統計分布模型進行假設驗證，利用具體區域的統計特性驗證統計分布模型，然后進行分布“比對”，于是偽裝效果評價問題便轉化為分布特征比對問題。如果“目標分布特征”在一定的檢測水平下差異大，則表明偽裝效果差;反之，則說明偽裝效果較好。

3 實驗與結論

選取X波段、分辨力為0.3 m的SAR獲取的圖像為實驗對象(見圖2)。

圖2 實驗用SAR圖像Fig.2 SAR image for testing

以實驗場景中的偽裝目標1、偽裝目標2、偽裝目標3為對象，根據偽裝效果評價算法(提取20個像素點)進行計算，F檢驗與t檢驗的參數設置及拒絕域如表1，2所示，計算結果列入表3。

表1 F檢驗參數設置及拒絕域Table 1 Parameters and refuse area of F test

表2 t檢驗參數設置及拒絕域Table 2 Parameters and refuse area of t test

表3 計算結果Table 3 Calculation results

因為α1和α2的取值越大，則接受域越小，若F，t的值還能滿足接受域的要求，則說明偽裝目標與背景之間的差異性越小。

分析計算結果，從偽裝目標2與背景的SAR圖像得到F=1.1305，t=0.1225，在α1和α2取值很大的情況下仍接受原假設，說明偽裝目標2與背景之間的相似度很高。偽裝目標3與背景的SAR圖像得到 F=0.0794，t=2.7757，在 α1= 0.01的情況下仍在拒絕域內，這就充分說明這兩個圖像之間的差異較大，偽裝效果較差。從偽裝目標1與背景的SAR圖像得到F=1.1875，t= 2.1906，當α1=0.05，α2=0.025時接受原假設，說明偽裝目標1的偽裝效果要好于偽裝目標3。

根據該次試驗由專業判讀人員判讀的結果，針對這3個偽裝目標，偽裝目標2的發現概率最小，偽裝目標3的發現概率最大，與計算得到的結論相吻合。

4 結語

筆者提出的偽裝效果評價方法主要是判別目標與背景SAR圖像的相似性，采用了假設檢驗理論，假設的前提是兩個目標之間的相似程度很高。進行檢驗時，原假設是受到保護的，α值越小，原假設受到的保護程度越高，若在α取值很小的情況下仍拒絕原假設，則說明目標與背景之間的相似性很差，偽裝效果不好。因此，在實際應用中α1和α2取值要盡可能的小(比如取值為0.01)，使得偽裝效果評價的結論更可靠。

［1］GJB 434A－1998.偽裝術語［S］.

［2］焦李成，張向榮.智能SAR圖像處理與解譯［M］，北京:科學出版社，2008.

［3］黃勇.SAR圖像變化檢測及相關技術研究［D］.成都:電子科技大學，2006.

Huang Yong.Related research on SAR image change detection［D］.Chengdu:University of Electronics Technology，2006.

［4］賀志國，陸軍，匡綱要.SAR圖像特征提取與選擇研究［J］.信號處理，2008，24(5):813－823.

He Zhi－guo，Lu Jun，Kuang Gang－yao.A survey on feature extraction and selection of SAR images［J］.Signal Processing，2008，24(5):813－823.

［5］李永樂，胡慶軍.應用數理統計［M］.長沙:國防科技大學出版社，1999.

［6］楊進，閆冬梅，王超，等.高分辨率SAR圖像目標屬性散射中心特征提取方法［J］，中國圖像圖形學報，2009，14(1):36－39.

Yang Jin，Yan Dong－mei，Wang Jin，et al.Feature extraction of attributed scattering centers on high resolution SAR imagery［J］.Joumal of Image and Graphics，2009，14(1):36－39.

［7］胡利平.合成孔徑雷達圖像目標識別技術研究［D］，西安:電子科技大學，2009.

Hu Li－ping.Study on SAR images target recognition［D］.Xi’an:University of Electronics Technology，2009.

［8］殷慧.基于局部特征表達的高分辨率SAR圖像城區場景分類方法研究［D］.武漢:武漢大學，2010.

Yin Hui.Research on urban scene classificationmethod using high resolution synthetic aperture radar image based on local feature representation［D］.Wuhan:University ofWuhan，2010.

［9］婁軍，金添，宋千，等.高分辨率SAR圖像散射中心特征提取［J］，電子與信息學報，2011，33(7):141－146.

Lou Jun，Jin Tian，Song Qian，et al.Feature extraction of scattering centers in high－resolution SAR image［J］. Signal Processing，2011，33(7):141－146.

［10］張倩.SAR圖像質量評估及其目標識別應用［D］.合肥:中國科學技術大學，2011.

Zhang Qian.Quality assessment and target recognition in SAR images［D］.Hefei:University of Science and Technology of China，2011.