梁轶，殷仕淑，李孟莹，段智中

（1. 安徽财经大学 管理科学与管理工程学院，安徽 蚌埠 233030；2.安徽财经大学 统计与应用数学学院，安徽 蚌埠 233030）

基于数字图像处理的伪装迷彩评价与设计

梁轶1，殷仕淑1，李孟莹2，段智中2

（1. 安徽财经大学 管理科学与管理工程学院，安徽 蚌埠 233030；2.安徽财经大学 统计与应用数学学院，安徽 蚌埠 233030）

为了解决迷彩伪装效果评价及迷彩图案设计问题，通过建立基于多指标灰色聚类算法的伪装效果评价模型，对迷彩的伪装原理进行探究。然后利用图像分割技术、小波纹理分析等多种数字图像处理方法，综合使用Matlab、Photoshop等软件，设计一款适用于多种背景环境下的新型迷彩样式。最后运用所建立评价模型进行伪装效果的检测。

迷彩伪装；灰色聚类；图像分割；小波分析；Matlab

迷彩伪装是士兵和军事装备保护自我的重要实施办法。由于现代战争的特点是战线模糊，突然性极强，并且目标的活动范围不断扩大，对于迷彩伪装而言，在自然背景的差异上也表现出快速多变性［1］。因此，设计出一款在多种背景环境下均有较好伪装效果的迷彩样式具有重要意义。

近年来，针对迷彩伪装效果评价问题，国内报告主要利用欧式距离、斑点特性、灰度直方图分析等方法，这些方法普遍存在指标单一的问题。本文选取亮度对比、颜色特征、纹理特征和斑点尺寸建立评价指标体系，利用灰色聚类算法建立迷彩伪装效果综合评价模型。

该文利用数字图像处理技术，提取多种地形的背景主色和斑纹特征的信息，并运用Matlab软件，使用FFT等算法，设计出新型迷彩样式，并运用上述模型进行伪装效果的检验。

1　伪装效果评价指标体系的建立

为了对迷彩的伪装效果进行分析，根据人眼视觉机制并考虑典型性和全面性的设计原则［2］选取了亮度对比、颜色特征、纹理特征和斑点尺寸作为评价指标。利用信息熵评价所获系统信息的有序度及其效用来确定指标权重［2］。从而构建一套较为完整、合理的评价指标体系。

1.1评价指标的提取

评价指标的构建是整个伪装效果评价体系的基础。评价指标的选择及量化方法的好坏直接关系到迷彩伪装效果评价结果。本文综合选取了亮度、颜色、纹理和斑点尺寸4个特征作为评价指标，下面分别介绍评价指标的提取方法。

1.1.1亮度对比

亮度是人眼接触的最直接刺激，是能否引起视觉注意的重要因素［2］。选用Lab颜色模型，其中L为亮度。建立亮度对比公式如下：

式中：Li'为背景模型i的亮度；Lij为i地形迷彩中的第j中斑纹的亮度。

1.1.2颜色特征

颜色特征是事物的一个比较重要的视觉属性［3］，将图像利用RGB颜色模型表示，为每一个像素的RGB分量分配一个0～255范围内的灰度值，分别统计R、G、B 3个分量的各灰度值k出现的频率，记为Prk、Pgk、Pbk。通过颜色直方图构建颜色直方图特征矢量来表征图像的颜色特征。并构建灰度直方图特征矢量Hk= ［Prk， Pgk， Pbk］。假设在同等亮度下伪装目标和背景图像分别为M和N，通过两个图像的灰度直方图来度量伪装目标和背景颜色特性的相似性，度量方式可表示为：

1.1.3纹理特征

纹理特征是一种不依赖于颜色或亮度的能清晰反映图像中同质现象的重要特征。由于纹理是由灰度分布在空间位置上反复出现而形成的，因而在图像空间中相隔某距离的两象素之间会存在一定的灰度关系，即图像中灰度的空间相关特性。因此我们采用灰度共生矩阵来进行图像的纹理分析。

利用Manhattan距离计算迷彩图像和背景图像的纹理相似度S = D （x， y），得到的结果越小说明两幅图像的纹理特征越接近。Manhattan距离计算公式为

1.1.4斑点尺寸

为了探究斑点尺寸对伪装效果的影响，采用基于小波分解的多尺度特征描述分析方法。通过对原始图像进行FFT，添加高斯白噪声，略去图像的具体细节。由于低频子带反映的是对图像的低频信息，对视觉比较重要， 提取小波分析后图像的低频分量进行纹理分析，这样可以较好地反应迷彩图案斑点尺寸的特点。通过对迷彩图案和背景图案的低频分量纹理分析，比较其纹理相似度，从而得出斑点尺寸对迷彩图案伪装效果的影响。

1.2评价指标权重的确定

假设在模型中有m个对象n个评价指标构成的评价体系，则由这m个对象n个指标构成了一个初始矩阵。设其原始信息矩阵为X = （xij）m×n，对原始数据作标准化处理，得到规范矩阵Y = （yij）m×n，其中i = 1， 2，…， m； j = 1， 2， …， n 。

计算第j个指标下第i个对象的数值比重：

计算第j个指标的信息熵值ej：

对于第j个指标，指标值xij的差异越大，对方案评价的权重作用越大，因而熵值就越小［4］。

则指标的权重：

2　迷彩伪装效果评价模型的建立

以某林地图像（见图1）作为实验背景环境为例，通过建立模型对5种典型的迷彩样式（见图2）进行伪装效果的分析。

图2　典型迷彩样式

2.1模型的准备

根据已建立的指标体系，运用Matlab、Photoshop等软件提取图像数字特征（以背景图像为例）。背景图像在R、G、B分量上的灰度直方图如图3所示。

图3　背景图像的灰度直方图

对背景图像取左上角部分进行斑点尺寸的分析，先添加高斯噪声，然后通过小波分析提取低频重构图像，结果见图4。

图4　斑点尺寸分析图像结果

对5种典型迷彩样式进行相似处理，对每种指标进行分析可得求解结果。

表1　亮度对比

表2　颜色特征

表3　斑纹特征

表4　斑点尺寸

2.2综合评价模型的建立

1）设指标评价体系U，令亮度对比u1，颜色特征u2，纹理特征u3，斑点尺寸u4，即U = （u1， u2， u3，u4）。

2）针对伪装性能指标大小的不一致性，避免灰色聚类决策不适用与聚类指标意义且不同指标的评价值在量纲上悬殊较大的问题，采用等测度法对原始数据进行处理。

若k目标下效果样本值越大越好，则：

若k目标下效果样本值越小越好，则：

3）根据伪装效果评价的要求确定4个灰类，从而建立评价等级V = ｛优，良，一般，差｝。按照性能指标和灰类数，确定j指标k子类白化权函数［5］，（ j=1， 2， …， n； k=1， 2，…， s）（见图5）。

图5　三角白化权函数

4）确定指标权重w =（0.256， 0.2668， 0.1785，0.2988）。

由以上综合评价模型，经计算得样式4和5的伪装效果为优，样式2和3的伪装效果为良，样式1的伪装效果为差，且样式5 ＞ 样式4 ＞ 样式2 ＞ 样式3 ＞ 样式1。

3　新型迷彩样式的设计及效果检验

通过提取多种典型背景的图像特征，分别从颜色和斑纹的角度，综合设计一款适用于多种背景环境的迷彩样式，并利用上述的评价模型进行伪装效果的检验。

3.1迷彩样式的设计思路

伪装迷彩图案的设计关键在于迷彩颜色的选取以及迷彩图案纹理的设计，而选择伪装色与伪装纹理的关键在于背景环境的颜色与图案。本文选取了3种常见背景环境（见图6）：沙漠环境，丛林环境，海洋环境。

图6　3种常见背景图像

对3种背景环境进行数据分析，提取相应信息，并利用相应软件重构通用伪装迷彩图像，具体算法流程见图7。

图7　迷彩设计算法流程

3.2具体迷彩的设计流程

该文采用基于量化颜色直方图的背景主要颜色纹理信息提取方法，逐一对背景图像进行分析：

1）对迷彩颜色的提取

对背景图像进行定位以及去噪处理，在去噪后的图像中获得3种背景图像的颜色信息（见图8），运用Matlab软件，按照颜色相似性计算生成迷彩主色（见图9）。

图8　背景图像的颜色信息

图9　迷彩主色

2）迷彩纹理的提取

主要采用图像分割技术与小波纹理分析［6］，分析背景环境的斑点纹理特征及大小，同时利用基于区域边缘检测的方法［7］，利用Matlab及迷彩辅助作图工具可以得出迷彩的纹理斑点（见图10）。

图10　迷彩纹理

图11　新型迷彩样式

3）迷彩样式的合成

综合所得迷彩的样色特征，对设计好的迷彩纹理首先进行纹理映射［8］，产生预览效果（见图11）。

4　结束语

该文从迷彩图像的多个指标特征入手，综合运用灰色共生矩阵、Manhattan距离、小波分析等方法，建立了基于多指标的灰色聚类算法综合评价模型，得出了各样本的伪装效果的优劣排序。然后利用图像分割技术，区域边缘检测等方法，通过提取3种常见背景图像的背景主色和斑纹特征的信息，运用Matlab及相关软件设计出一款在多种环境背景下均有良好伪装效果的新型迷彩样式。

［1］ 闫飞. 伪装迷彩的背景主色提取算法研究［D］. 西安： 西安工业大学， 2011.

［2］ 王展， 颜云辉， 焦学勇. 基于灰色理论的迷彩伪装多指标综合评价［J］.兵工学报，2013（10）：1250-1257.

［3］ Xie H， Ortega A.Feature representation and compression for content-based retrieval［C］∥Proceedings of SPIE the International Society for Optical Engineering.Los Angeles；SPIE， 2001， 431：111-122.

［4］ Hsu TH，Lin TZ.QFD with fuzzy and entropy weight for evaluating retail customer values ［J］.Total Quality Management &Business Excellence， 2006（7）：935-958.

［5］ 王化中， 强凤娇. 三角白化权函数灰色聚类决策下中小企业信用评价模型构建［J］. 中小企业研究， 2014（4）：89-92.

［6］ 宁顺刚. 基于纹理分析的迷彩设计研究［D］. 西安： 西安工业大学， 2010.

［7］ 杨武侠. 伪装迷彩的斑点设计方法研究［D］. 西安： 西安工业大学， 2011.

［8］ 孙亚超. 计算机辅助迷彩图案生成［D］. 杭州： 浙江大学，2008.

Camoufl age Evaluation and Design Based on Digital Image Processing

LIANG Yi1， YIN Shishu1， LI Mengying2， DUAN Zhizhong2
（1.School of Management Science and Management Engineering， Anhui University of Finance and Economics，Bengbu Anhui 233030， China； 2. School of Statistics and Applied Mathematics， Anhui University of Finance and Economics， Bengbu Anhui 233030， China）

In order to solve camoufl age evaluation and camoufl age pattern design issues， camoufl age principles are studied through establishing a new comprehensive model which uses many camoufl age evaluation indexes based on gray clustering theory. Then a new camoufl age pattern is designed through a variety of digital image processing methods such as wavelet texture analysis， image segmentation by Matlab and Photoshop. Finally， camoufl age effect using the established evaluation model is tested.

camoufl age； grey clustering； image segmentation； wavelet analysis； Matlab

E951.4

A

1674 - 9200（2015）06 - 0074 - 05

（责任编辑 刘常福）

2015 - 03 - 19

国家自然科学基金项目“离散小波滤波器组的优化设计与无乘子实现”（61102118）。

梁 轶，安徽财经大学管理科学与管理工程学院2012级本科生。

殷仕淑，安徽财经大学管理科学与管理工程学院副教授，博士，E-mail:yin_shishu@163.com。