基于遙感圖像的艦船毀傷效果評估方法研究*

李 蔚 陳 麒

(海軍航空工程學(xué)院電子信息工程系 煙臺 264001)

基于遙感圖像的艦船毀傷效果評估方法研究*

李 蔚 陳 麒

(海軍航空工程學(xué)院電子信息工程系 煙臺 264001)

提出了一種基于遙感圖像變化檢測的艦船毀傷效果評估方法,主要包括圖像預(yù)處理、艦船檢測、毀傷前后目標區(qū)域提取、特征提取和分級評估五個部分。研究了目標區(qū)域提取和變化特征選取等問題,提取幾何特征與紋理特征進行分級評估。基于視景仿真技術(shù)進行了艦船毀傷效果模擬,采用模擬的圖像進行毀傷效果評估仿真實驗。實驗結(jié)果表明,該方法能有效地實現(xiàn)對海上艦船目標的毀傷效果評估。

毀傷效果評估; 變化檢測; 視景仿真

Class Number TP753

1 引言

在現(xiàn)代海戰(zhàn)中,對海上艦船進行及時有效毀傷效果評估[1]有助于準確做出下一步打擊計劃、節(jié)約戰(zhàn)爭成本、提高整體作戰(zhàn)效能。隨著科技的發(fā)展,偵察衛(wèi)星、偵察機和彈載偵察平臺等多種信息收集手段已成功運用到戰(zhàn)爭中。其中偵察衛(wèi)星成像分辨率不斷提高,由于其居高臨下的特點,偵察范圍廣、偵察能力強、獲取信息量大[2],成為了毀傷效果評估中信息收集的重要手段之一,如何從衛(wèi)星圖像中提取毀傷信息具有重要的研究價值。

雖然部分學(xué)者已經(jīng)提出一些毀傷效果評估算法[3～7],但是每種算法都針對特定目標,缺乏通用性。對于海上艦船目標的毀傷效果評估仍需進一步探索,同時,由于保密性等原因,毀傷艦船的遙感圖像較少,影響研究進展。本文針對海上艦船的特點,提出一種基于遙感圖像的艦船毀傷效果評估方法,采用模擬的艦船毀傷圖像對所提方法進行了驗證。

2 評估流程

基于遙感圖像的毀傷效果評估核心是信息提取,本文首先在毀傷前圖像中選擇并提取要評估的艦船目標,將其作為模板,通過圖像匹配的方式在毀傷后圖像中選取對應(yīng)的毀傷后艦船,在此基礎(chǔ)上提取合適的特征,對比分析毀傷前后目標特征,并結(jié)合一定的評估準則得出評估結(jié)果。

本文提出的艦船目標毀傷效果評估流程如圖1所示。

圖1 艦船毀傷效果評估流程

3 算法實現(xiàn)

3.1 圖像預(yù)處理

光學(xué)遙感圖像中的噪聲主要為椒鹽噪聲,中值濾波對去除圖像的椒鹽噪聲具有很好的效果。故采用中值濾波對遙感圖像進行預(yù)處理[8],其原理是對圖像中某像素點及其鄰域內(nèi)的所有像素進行統(tǒng)計排序,使用排序隊列中位于中間位置的元素的值代替該像素的值。

3.2 艦船檢測

遙感圖像目標檢測領(lǐng)域最實用的一類方法是CFAR法,本文采用空心CFAR檢測器,在給定虛警概率Pfa條件下,計算雜波區(qū)域的統(tǒng)計特性,結(jié)合雜波分布模型,計算檢測閾值,然后將測試像素與檢測閾值進行對比,判斷測試像素是否為目標點。將檢測器在圖像上進行遍歷,即可實現(xiàn)艦船目標的檢測。采用高斯模型作為雜波分布模型[9],其概率密度函數(shù)為

(1)

式中:μ是均值;δ是標準差。

在虛警概率為Pfa時,檢測閾值為

(2)

在檢測過程中,將檢測到的目標像素點設(shè)為1,背景像素點設(shè)為0,得到目標提取所需的二值圖像。分割以后的圖像上仍存在一些孤立的點,可以通過形態(tài)學(xué)開運算(先腐蝕再膨脹)消除。

3.3 目標區(qū)域提取

采用最小外切矩形法提取毀傷前艦船目標區(qū)域,為了使得外切矩形能包含盡量少的背景區(qū)域,先采用文獻[10]中利用不變矩計算主軸的方法,得到艦船方位角,將艦船轉(zhuǎn)正,再求其外切矩形。

對于包含艦船的m×n二值化圖像f(i,j),主軸與水平方向的夾角α為

(3)

式中μp,q為圖像的混合不變矩,即:

(4)

求得α以后,將圖像做旋轉(zhuǎn)處理,然后可求得艦船最小外切矩形。提取出毀傷前目標區(qū)域以后,可以通過模板匹配的方式,得到毀傷后圖像上的目標區(qū)域。

3.4 毀傷特征提取及毀傷評估

在受到毀傷后,艦船的規(guī)則性受到破壞,反映在圖像上發(fā)生變化的幾何特征有長寬比、歸一化轉(zhuǎn)動慣量[11]、密實度等。其紋理特征也相應(yīng)地發(fā)生變化,本文采用Haralick提出的基于灰度共生矩陣的紋理特征的統(tǒng)計量來描述這些變化,主要有對比度、能量、相關(guān)度、熵等[12]。毀傷前后圖像獲取時間不同,可能會存在微小的光照變化,因此在提取紋理特征之前,采用同態(tài)濾波減小光照變化對成像的影響。

提取出毀傷前后特征量以后,可以根據(jù)特征向量的變化對目標受損程度進行評估,本文采用特征向量的歐氏距離來衡量變化大小。兩個n維特征向量X、Y的歐氏距離定義為

(5)

評估規(guī)則如下:如果目標幾何特征和紋理特征變化不大,可以判斷目標基本沒受到損傷;如果目標幾何特征變化較大,可以判斷目標受到嚴重損傷。如果目標幾何特征變化較小,紋理特征變化較大,則可判斷目標基本形狀維持不變,內(nèi)部結(jié)構(gòu)發(fā)生變化。一般來說,幾何特征發(fā)生較大變化時,其紋理特征也相應(yīng)的發(fā)生較大變化。可將艦船毀傷劃分為五個等級:無毀傷、輕度毀傷、中等毀傷、嚴重毀傷和完全摧毀。不同的歐氏距離大小分別對應(yīng)不同的毀傷等級。

4 毀傷效果評估仿真實驗

針對當(dāng)前毀傷艦船遙感圖像缺乏問題,本文采用視景仿真技術(shù),利用3D MAX2012根據(jù)真實數(shù)據(jù)建立艦船模型和海面模型,合理使用切割、擠出、縮放以及移動等命令獲得毀傷效果。參考偵察衛(wèi)星探測特點,在艦船上方架設(shè)一架合適的目標攝像機,獲得艦船遙感圖像。調(diào)整攝像機高度和和鏡頭大小可改變輸出圖像空間分辨率。

圖2(a)是模擬的未破損的原始艦船圖像,圖2(b)和圖2(c)是模擬的不同毀傷情況艦船圖像。艦船圖像大小均為800×600,分辨率為1m。本方法模擬的艦船遙感圖像較為理想,故省去圖像去噪這一步驟。

圖2 模擬的艦船遙感圖像

1) 艦船檢測

將上述圖像通過CFAR檢測并進行形態(tài)學(xué)開運算后如圖3所示。

圖3 CFAR檢測后圖像

2) 目標區(qū)域提取

采用3.3節(jié)所述目標區(qū)域提取方法提取的毀傷前后目標區(qū)域如圖4所示。

圖4 目標區(qū)域

3) 幾何特征與紋理特征提取

提取毀傷前后艦船的幾何特征與紋理特征,如表1所示。

表1 毀傷前后幾何特征和紋理特征

4) 毀傷評估

從表1可以看出,不同的特征在數(shù)量級上存在較大差距,因此先將數(shù)據(jù)進行歸一化,再分別計算每個毀傷艦船與原始艦船特征向量的歐氏距離,得:

根據(jù)表2、結(jié)合評估規(guī)則,可對毀傷效果作出評估。

表2 特征向量的歐氏距離

1) 艦船一船體結(jié)構(gòu)受到一定程度的破壞,毀傷程度為輕度毀傷。

2) 艦船二船體未受破壞,內(nèi)部結(jié)構(gòu)受到一定損傷,毀傷程度為輕度毀傷。

通過對兩種不同類型的毀傷艦船進行毀傷效果評估,可見所提出的毀傷效果評估方法切實可行,如果在有真實毀傷圖像的條件下會獲得更好的驗證。

5 結(jié)語

本文針對遙感圖像上艦船目標特性,提出了一種基于變化檢測的艦船毀傷效果評估方法,對各步驟進行了介紹,最后通過對模擬圖像的毀傷評估進行驗證。雖然本文選取的特征量能反映艦船目標結(jié)構(gòu)變化,但是特征變化與毀傷程度之間的具體聯(lián)系仍需結(jié)合真實毀傷圖像或者大量仿真實驗來獲得。艦船結(jié)構(gòu)復(fù)雜,不同艦船上層建筑和內(nèi)部結(jié)構(gòu)不同,在今后的研究工作中,應(yīng)結(jié)合艦船結(jié)構(gòu)布局和其它非圖像信息對艦船作出更為合理的評估,也可結(jié)合艦船尾跡獲取速度信息,對艦船進行綜合評估,為作戰(zhàn)決策提供客觀依據(jù)。

[1] Hugh C. The Current Battle Damage Assessment Paradigm is Obsolete[J]. Air and Space Power Journal,2004,18(4):13-17.

[2] 陳和彬,余華敏,吳駐.偵察衛(wèi)星在艦船毀傷評估中的運用[J].飛航導(dǎo)彈,2010(5):48-51.

[3] 涂震飚,林濤.基于下視圖像的打擊效果評估系統(tǒng)研究[J].戰(zhàn)術(shù)導(dǎo)彈技術(shù),2012(5):6-9.

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

[5] 牛鵬輝,李衛(wèi)華,李小春.基于變化檢測的機場毀傷評估算法[J].電光與控制,2012,19(7):89-93.

[6] 蘇娟,鮮勇,劉代志.基于圖像變化檢測的打擊效果自動評估算法[J].火力與指揮控制,2008,33(4):134-137.

[7] 尤曉建,韓雪梅.高分辨率光學(xué)圖像目標打擊效果評估系統(tǒng)研究[J].信息技術(shù),2010(5):92-95.

[8] 陳海亮.基于特征的光學(xué)遙感圖像艦船目標檢測技術(shù)研究[D].長沙:國防科技大學(xué)研究生院,2010:9-10.

[9] 孫皓,孫顯,王宏琦.一種高分辨率遙感圖像艦船檢測方法研究[J/OL].測繪科學(xué).http://www.cnki.net/kcms/detail/11.4415.P.20130227.1755.007.html,2013-02-27.

[10] Li Ke, Wang Runsheng, Wang Cheng. A Method of Tree Classifier for the Recognition of Airplane Types[J]. Computer Engineering and Science,2006,28(11):136-139.

[11] 楊小岡,付光遠,繆棟,等.基于圖像NMI特征的目標識別新方法[J].計算機工程,2002,28(6):149-151.

[12] Haralick R M, Shanmugam K, Dinstein I. Texture features for image classification[J]. IEEE Trans System Man Cybernet,1973,3(6):610-621.

Ship Battle Damage Assessment Based on Remote Sensing Images

LI Wei CHEN Qi

(Department of Electronic and Information Engineering, Naval Aeronautical and Astronautical University, Yantai 264001)

It proposed a ship battle damage assessment(BDA) algorithm based on remote sensing image change detection, including image preprocessing, ship detection, target area extraction, feature extraction and two-level assessment. It researched target area extraction, feature selection and other issues, then assessed ship in two levels. Ship damage images were simulated based on visual simulation technology. BDA experiments were carried on and the results showed that the algorithm can effectively realize BDA for ship target at sea.

BDA, change detection, visual simulation

2014年6月3日,

2014年7月25日

李蔚,女,助教,研究方向:綜合電子戰(zhàn)信息戰(zhàn)技術(shù)。陳麒,男,博士研究生,研究方向:遙感圖像處理。

TP753

10.3969/j.issn1672-9730.2014.12.013