牛鵬輝， 李衛(wèi)華， 李小春

(空軍工程大學(xué)電訊工程學(xué)院，西安 710077)

0 引言

自20世紀(jì)60年代至今，海灣戰(zhàn)爭、科索沃戰(zhàn)爭結(jié)束后，毀傷評估越來越受重視，成為一個方興未艾的研究領(lǐng)域。以美國為首的少數(shù)發(fā)達(dá)國家從人工發(fā)展到機(jī)器和人工相結(jié)合的階段，利用圖像分析對目標(biāo)毀傷效果進(jìn)行評估的技術(shù)已經(jīng)遠(yuǎn)遠(yuǎn)領(lǐng)先于其他國家，并有著相對成熟的評估系統(tǒng)，往往在軍事打擊后幾小時(shí)內(nèi)就可以完成毀傷評估，效率上提高了很多。隨著遙感技術(shù)及微電子技術(shù)的發(fā)展，此類方法大大方便了作戰(zhàn)決策過程。國內(nèi)在利用遙感圖像進(jìn)行毀傷評估方面的研究起步比較晚，致使研究結(jié)果與實(shí)際應(yīng)用還有比較大的差距，這有技術(shù)方面的原因，也有圖像數(shù)據(jù)缺乏等因素，但是與之相關(guān)的一些工作正在逐步開展和前進(jìn)。毀傷評估是一個龐大的系統(tǒng)工程，需要多學(xué)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(biāo)準(zhǔn)。從美軍經(jīng)驗(yàn)可知，采用多時(shí)相遙感圖像的變化檢測技術(shù)是進(jìn)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(zhǔn)確性和實(shí)時(shí)性［1］。

由于軍事涉密性，國內(nèi)外很少直接有關(guān)于機(jī)場毀傷評估方面的文獻(xiàn)，對于毀傷評估的算法大多是基于圖像分析的。文獻(xiàn)［2-6］對機(jī)場和跑道目標(biāo)的毀傷評估進(jìn)行了研究，絕大多數(shù)是基于毀傷面積一個指標(biāo)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(zhǔn)則，同時(shí)個別人也通過建立目標(biāo)打擊前后特征的變化率對飛機(jī)目標(biāo)的毀傷程度進(jìn)行了分析;文獻(xiàn)［7-8］建立機(jī)場在毀傷條件下的作戰(zhàn)效能量化評估模型，避免了以往就打擊機(jī)場問題僅考慮單一因素的弊端，通過對各個子目標(biāo)的易損性及保障功能結(jié)構(gòu)邏輯的分析，以子目標(biāo)保障能力指數(shù)為表征從而完成整個機(jī)場目標(biāo)的毀傷評估。雖然這些學(xué)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(biāo)的選擇和提取、準(zhǔn)則的判定等方面缺乏一些通用性和實(shí)效性，在應(yīng)用于任何背景、任何分辨率下的機(jī)場的毀傷評估中仍需要進(jìn)一步的探索和完善。

本文針對機(jī)場的特點(diǎn)，提出了一種基于遙感圖像變化檢測的機(jī)場毀傷效果評估算法，算法分為4個關(guān)鍵步驟，重點(diǎn)在特征選取和評估準(zhǔn)則方面進(jìn)行深入研究，建立了特征向量“相似度”和評估準(zhǔn)則，通過對目標(biāo)打擊前后特征變化的分析，實(shí)現(xiàn)了對機(jī)場目標(biāo)毀傷效果的自動評估。

1 機(jī)場系統(tǒng)的組成

機(jī)場作為組織保障飛機(jī)活動的具體場所，已經(jīng)成為空中作戰(zhàn)和軍事訓(xùn)練活動的重要依托。一般情況下，它由主戰(zhàn)系統(tǒng)和保障系統(tǒng)組成。主戰(zhàn)系統(tǒng)是指完成作戰(zhàn)任務(wù)的飛機(jī);保障系統(tǒng)則指為飛機(jī)完成作戰(zhàn)任務(wù)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(shè)施和防護(hù)設(shè)施［9］，具體如表1所示。

表1 機(jī)場系統(tǒng)的組成Table 1 Composition of the airport system

分析目標(biāo)系統(tǒng)功能結(jié)構(gòu)可知，一般存在串聯(lián)、并聯(lián)或串并聯(lián)混合型的結(jié)構(gòu)類型，子目標(biāo)受損都會對目標(biāo)整體功能產(chǎn)生影響。因此，機(jī)場系統(tǒng)中的子系統(tǒng)都可能成為打擊的具體對象。鑒于完整的機(jī)場遙感圖像缺乏，本文只針對圖像中飛機(jī)及建筑物目標(biāo)進(jìn)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(biāo)特性的特征，并對圖像進(jìn)行適當(dāng)?shù)奶幚硪岳谀繕?biāo)特征的提取;然后分析對比所提取的特征，并在此基礎(chǔ)上結(jié)合一定的評估規(guī)則說明目標(biāo)的毀傷程度。根據(jù)上述分析，本文提出一種基于遙感圖像變化檢測的機(jī)場毀傷效果評估算法，如圖1所示，主要包括圖像預(yù)處理、興趣區(qū)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(yù)處理

在遙感圖像獲取的過程中，造成數(shù)據(jù)量測誤差的因素很多，例如光學(xué)系統(tǒng)的像差，遙感器的不穩(wěn)定，平臺飛行姿態(tài)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(zhì)量［10］。因此，為抑制不需要的圖像特征或者增強(qiáng)某些對于后續(xù)處理重要的圖像特征，必須首先對圖像進(jìn)行預(yù)處理，將圖像轉(zhuǎn)變?yōu)橐环N更適合于人或機(jī)器分析的形式。針對變化檢測前后遙感圖像的特點(diǎn)，本文采用直方圖規(guī)定化的方法來增強(qiáng)圖像局部的對比度，同時(shí)有效抑制了大氣條件影響等因素導(dǎo)致的背景差異，如圖2所示。

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

2.3 興趣區(qū)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(jìn)行變化檢測時(shí)，突出興趣區(qū)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(jù)機(jī)場跑道具有明顯的直線特征，采用具有統(tǒng)計(jì)性質(zhì)的霍夫(Hough)變換［11］來提取機(jī)場區(qū)域。該變換把圖像數(shù)據(jù)空間的一個點(diǎn)映射為Hough參數(shù)空間的正弦曲線，依據(jù)變換域中各個位置的統(tǒng)計(jì)量來進(jìn)行該種類型的曲線的檢測，避免了噪聲和曲線間斷產(chǎn)生的影響，從而實(shí)現(xiàn)了對機(jī)場跑道的準(zhǔn)確提取。如圖3b所示，利用Hough變換將機(jī)場跑道的線狀特征檢測出來，然后利用邊緣直線段的坐標(biāo)提取出機(jī)場區(qū)域，抑制掉過多的背景信息，如圖3c所示。

圖3 興趣區(qū)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(shí)相遙感圖像，觀察并判斷一個對象其狀態(tài)有無發(fā)生變化的有效方法［12］。在打擊前圖像上進(jìn)行機(jī)場區(qū)域的劃定后，與已配準(zhǔn)的打擊后圖像進(jìn)行區(qū)域方位映射，得到打擊后的機(jī)場區(qū)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(jī)場區(qū)域圖像進(jìn)行變化檢測，得到毀傷的候選區(qū)域，利用變化檢測參數(shù)指標(biāo)對打擊目標(biāo)的圖像特征進(jìn)行描述，實(shí)現(xiàn)毀傷信息的有效提取。

為了對候選區(qū)域內(nèi)打擊后目標(biāo)的毀傷信息進(jìn)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(zhǔn)確提取的需要出發(fā)，先對候選的區(qū)域進(jìn)行兩個處理［14］:第一個是利用目標(biāo)的先驗(yàn)知識建立一個與目標(biāo)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(zhì)心轉(zhuǎn)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(biāo)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(tài)學(xué)圖像處理，如具有不同內(nèi)核的侵蝕、擴(kuò)散處理、邊沿檢測等，找出與目標(biāo)形狀類似的區(qū)域，確定目標(biāo)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(biāo)外觀幾何大小的視覺特征。正常情況下，人造目標(biāo)可以看成是由許多線性體構(gòu)成，呈現(xiàn)某種偏正態(tài)分布，遭到毀傷后，這種分布形式會發(fā)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(xiàn)有規(guī)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(shù)［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(biāo)的最長主軸;Lminor為測得目標(biāo)的最短軸;Pper為目標(biāo)的周長;Aar為目標(biāo)的面積;和為用一個凸多邊形來近似目標(biāo)時(shí)的周長和面積。

紋理特征是一種反映圖像中同質(zhì)現(xiàn)象的視覺特征，體現(xiàn)了目標(biāo)表面共有的屬性，包含了結(jié)構(gòu)組織排列的重要信息以及與周圍環(huán)境的聯(lián)系。圖像上的紋理絕大部分屬于隨機(jī)性，主要利用統(tǒng)計(jì)紋理分類方法進(jìn)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(tǒng)計(jì)量表示圖像的特征信息，Haralick［16］曾經(jīng)提出14種灰度共生矩陣計(jì)算出來的統(tǒng)計(jì)量，但是經(jīng)過分析，對于本文遙感圖像來說以下4種統(tǒng)計(jì)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(jī)性的特征參數(shù)，表征了圖像中紋理的復(fù)雜程度)。

相關(guān)(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(xiàn)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(biāo)有關(guān)特征參量變化程度的基礎(chǔ)上，進(jìn)一步量化并確定目標(biāo)的毀傷程度。需要解決的問題就是兩組特征向量的關(guān)系，常用基于集合距離的判斷方法，如Hamming距離、歐氏距離、內(nèi)外距離等，但這些不帶權(quán)值的距離計(jì)算方法精度并不高，所做出的評估準(zhǔn)確度不高，因?yàn)楦鱾€參數(shù)的取值范圍變化很大，參數(shù)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(guān)系建立一個關(guān)于整體的特征向量“相似度”，然后基于特征向量內(nèi)各個特征所代表的物理意義不同，會導(dǎo)致參數(shù)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(jìn)行歸一化處理，采用文獻(xiàn)［17］中特征向量的“二次距離”對目標(biāo)毀傷情況進(jìn)行評估。

第1級評估 依據(jù)幾何特征二次距離進(jìn)行評估。如果二次距離較大，相似度較小，則可判斷目標(biāo)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(fā)生了很大變化，可認(rèn)為目標(biāo)受到嚴(yán)重毀傷。

第2級評估 根據(jù)幾何和紋理特征二次距離進(jìn)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(biāo)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(biāo)受到輕度毀傷，雖然外形維持原貌，但內(nèi)部結(jié)構(gòu)受損較嚴(yán)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(biāo)受到嚴(yán)重毀傷。

第3級評估 在確認(rèn)目標(biāo)受毀傷的情況下，根據(jù)目標(biāo)的具體形狀把目標(biāo)分為不同部分，分別計(jì)算不同部分的二次距離，則對毀傷嚴(yán)重的目標(biāo)，還可根據(jù)不同部分的二次距離判斷目標(biāo)受毀的具體部位。

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

3 仿真結(jié)果與分析

根據(jù)上述毀傷評估算法，本節(jié)使用某機(jī)場的遙感影像進(jìn)行了仿真，采用的原始圖像如圖2a所示，大小為512×512像素。因?yàn)槿狈φ鎸?shí)的毀傷機(jī)場遙感圖像，本文通過仿真對原圖像中的一個飛機(jī)目標(biāo)和建筑物目標(biāo)進(jìn)行一定程度的毀傷，得到了毀傷后的機(jī)場遙感圖像。

首先，對原始圖像進(jìn)行預(yù)處理和興趣區(qū)域劃定，增強(qiáng)了圖像對比度，同時(shí)抑制掉了過多的背景干擾，利于興趣區(qū)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(jī)場區(qū)域圖像進(jìn)行變化檢測，得到了毀傷的候選區(qū)域，如圖4c所示;然后對打擊前后的圖像進(jìn)行空間二維濾波方法和形態(tài)學(xué)處理，分別提取并歸一化目標(biāo)的幾何特征和紋理特征，計(jì)算打擊前后目標(biāo)整體的特征向量相似度，幾何、紋理特征二次距離，結(jié)果如表2所示。

從表2中可以看出，飛機(jī)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(guī)則，故可以說明飛機(jī)目標(biāo)受到輕度毀傷，外形變化不大，但內(nèi)部結(jié)構(gòu)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(guī)則，外形變化很大，故可以直接說明建筑物目標(biāo)受到嚴(yán)重毀傷。從實(shí)驗(yàn)可以看出算法自動評估的結(jié)果與目視結(jié)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(shí)可行的，如果在具有真實(shí)圖像的條件下會獲得更好的驗(yàn)證。

圖4 毀傷評估結(jié)果Fig.4 Experiment results of damage assessment

表2 目標(biāo)毀傷評估表Table 2 Damage assessment of target

4 結(jié)束語

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

從上述工作可以看出算法的關(guān)鍵是目標(biāo)毀傷特征的提取和評估規(guī)則的建立，本文在對遙感圖像進(jìn)行變化檢測的基礎(chǔ)上，引入了空間二維匹配濾波和形態(tài)學(xué)處理，以便對目標(biāo)特征能夠進(jìn)行準(zhǔn)確的提取，同時(shí)，建立了目標(biāo)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(guī)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(shí)際復(fù)雜目標(biāo)的復(fù)雜圖像而言，為了使算法更加完善而合理，應(yīng)該結(jié)合目標(biāo)的具體模型以及更多的非圖像信息對目標(biāo)的毀傷程度進(jìn)行更準(zhǔn)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(jī)場識別與毀傷分析研究［D］.南京:南京理工大學(xué)，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(shù)與應(yīng)用，2005，20(5):474-477.

［4］高士英，劉彥，黃風(fēng)雷.子母彈對機(jī)場跑道毀傷評估的計(jì)算模擬研究［J］.彈箭與制導(dǎo)學(xué)報(bào)，2008，28(6):132-134.

［5］郜鵬飛.機(jī)場目標(biāo)毀傷評估算法研究及半物理仿真系統(tǒng)設(shè)計(jì)［D］.上海:上海交通大學(xué)，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(yīng)用［D］.成都:電子科技大學(xué)，2010.

［7］范陽濤，楊萍，世文學(xué)，等.基于毀傷的機(jī)場作戰(zhàn)效能評估［J］.四川兵工學(xué)報(bào)，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(xué)報(bào)，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(xué)報(bào)，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.