余松林， 陈玉华， 何鹄， 王吉军， 李岩

(1.军事科学院 国防工程研究院， 北京 100850； 2.32184部队， 北京 100093)

0 引言

在基于静态光学图像的伪装效果评估中，度量伪装目标与四周背景之间的相似性是一项重要内容[1]，其中背景区域的选取对评估结果影响较大。目前常用的方法是选择目标区域的9倍范围[2](或称8邻域)作为评估的背景区域[3-5](见图1)，通过计算、对比目标和背景区域的特征参数得到评估结果。但是，当目标处于反差较大的两种背景交界区域附近时，直接采用8邻域选取方法，将会导致评估结果出现较大偏差。以图2为例，选取的背景区域中，不仅包含了目标所处的植被区，而且包括了反差较大的道路，由于目标隐蔽于植被区域中，相应伪装措施模拟的是植被特征，而道路区域图像的灰度、色度和纹理等特征均与植被有显著差别，在计算时将该区域纳入计算范围，势必导致评价结果出现较大误差。

图1 背景选取方法(8邻域)Fig.1 Background selection method(8-neighborhood)

图2 交界区域附近的目标Fig.2 Target region near the background border

针对上述问题，目前常用的解决方法是人工剔除反差较大的部分背景邻域，或选用8邻域中1个或多个不包含大反差背景的邻域区计算，但这样处理需要人工介入且主观性强，无法满足自动化伪装评价的需要。由于颜色是可见光图像最显著的特征之一[6]，本文提出一种基于颜色聚类的背景选取方法，实验结果表明，该方法可以有效去除无关的背景区域，提高伪装效果评价的客观性和准确性。

1 总体思路与计算流程

对基于光学图像的伪装效果评估而言，目标的伪装效果取决于目标区和背景区在图像特征上的差别，当这种差别达到一定程度时，目标就可以从背景区中被分离出来[7]。……