基于遥感图像的舰船毁伤效果评估方法研究*

李 蔚 陈 麒

(海军航空工程学院电子信息工程系 烟台 264001)

基于遥感图像的舰船毁伤效果评估方法研究*

李 蔚 陈 麒

(海军航空工程学院电子信息工程系 烟台 264001)

提出了一种基于遥感图像变化检测的舰船毁伤效果评估方法,主要包括图像预处理、舰船检测、毁伤前后目标区域提取、特征提取和分级评估五个部分。研究了目标区域提取和变化特征选取等问题,提取几何特征与纹理特征进行分级评估。基于视景仿真技术进行了舰船毁伤效果模拟,采用模拟的图像进行毁伤效果评估仿真实验。实验结果表明,该方法能有效地实现对海上舰船目标的毁伤效果评估。

毁伤效果评估; 变化检测; 视景仿真

Class Number TP753

1 引言

在现代海战中,对海上舰船进行及时有效毁伤效果评估[1]有助于准确做出下一步打击计划、节约战争成本、提高整体作战效能。随着科技的发展,侦察卫星、侦察机和弹载侦察平台等多种信息收集手段已成功运用到战争中。其中侦察卫星成像分辨率不断提高,由于其居高临下的特点,侦察范围广、侦察能力强、获取信息量大[2],成为了毁伤效果评估中信息收集的重要手段之一,如何从卫星图像中提取毁伤信息具有重要的研究价值。

虽然部分学者已经提出一些毁伤效果评估算法[3～7],但是每种算法都针对特定目标,缺乏通用性。对于海上舰船目标的毁伤效果评估仍需进一步探索,同时,由于保密性等原因,毁伤舰船的遥感图像较少,影响研究进展。本文针对海上舰船的特点,提出一种基于遥感图像的舰船毁伤效果评估方法,采用模拟的舰船毁伤图像对所提方法进行了验证。

2 评估流程

基于遥感图像的毁伤效果评估核心是信息提取,本文首先在毁伤前图像中选择并提取要评估的舰船目标,将其作为模板,通过图像匹配的方式在毁伤后图像中选取对应的毁伤后舰船,在此基础上提取合适的特征,对比分析毁伤前后目标特征,并结合一定的评估准则得出评估结果。

本文提出的舰船目标毁伤效果评估流程如图1所示。

图1 舰船毁伤效果评估流程

3 算法实现

3.1 图像预处理

光学遥感图像中的噪声主要为椒盐噪声,中值滤波对去除图像的椒盐噪声具有很好的效果。故采用中值滤波对遥感图像进行预处理[8],其原理是对图像中某像素点及其邻域内的所有像素进行统计排序,使用排序队列中位于中间位置的元素的值代替该像素的值。

3.2 舰船检测

遥感图像目标检测领域最实用的一类方法是CFAR法,本文采用空心CFAR检测器,在给定虚警概率Pfa条件下,计算杂波区域的统计特性,结合杂波分布模型,计算检测阈值,然后将测试像素与检测阈值进行对比,判断测试像素是否为目标点。将检测器在图像上进行遍历,即可实现舰船目标的检测。采用高斯模型作为杂波分布模型[9],其概率密度函数为

(1)

式中:μ是均值;δ是标准差。

在虚警概率为Pfa时,检测阈值为

(2)

在检测过程中,将检测到的目标像素点设为1,背景像素点设为0,得到目标提取所需的二值图像。分割以后的图像上仍存在一些孤立的点,可以通过形态学开运算(先腐蚀再膨胀)消除。

3.3 目标区域提取

采用最小外切矩形法提取毁伤前舰船目标区域,为了使得外切矩形能包含尽量少的背景区域,先采用文献[10]中利用不变矩计算主轴的方法,得到舰船方位角,将舰船转正,再求其外切矩形。

对于包含舰船的m×n二值化图像f(i,j),主轴与水平方向的夹角α为

(3)

式中μp,q为图像的混合不变矩,即:

(4)

求得α以后,将图像做旋转处理,然后可求得舰船最小外切矩形。提取出毁伤前目标区域以后,可以通过模板匹配的方式,得到毁伤后图像上的目标区域。

3.4 毁伤特征提取及毁伤评估

在受到毁伤后,舰船的规则性受到破坏,反映在图像上发生变化的几何特征有长宽比、归一化转动惯量[11]、密实度等。其纹理特征也相应地发生变化,本文采用Haralick提出的基于灰度共生矩阵的纹理特征的统计量来描述这些变化,主要有对比度、能量、相关度、熵等[12]。毁伤前后图像获取时间不同,可能会存在微小的光照变化,因此在提取纹理特征之前,采用同态滤波减小光照变化对成像的影响。

提取出毁伤前后特征量以后,可以根据特征向量的变化对目标受损程度进行评估,本文采用特征向量的欧氏距离来衡量变化大小。两个n维特征向量X、Y的欧氏距离定义为

(5)

评估规则如下:如果目标几何特征和纹理特征变化不大,可以判断目标基本没受到损伤;如果目标几何特征变化较大,可以判断目标受到严重损伤。如果目标几何特征变化较小,纹理特征变化较大,则可判断目标基本形状维持不变,内部结构发生变化。一般来说,几何特征发生较大变化时,其纹理特征也相应的发生较大变化。可将舰船毁伤划分为五个等级:无毁伤、轻度毁伤、中等毁伤、严重毁伤和完全摧毁。不同的欧氏距离大小分别对应不同的毁伤等级。

4 毁伤效果评估仿真实验

针对当前毁伤舰船遥感图像缺乏问题,本文采用视景仿真技术,利用3D MAX2012根据真实数据建立舰船模型和海面模型,合理使用切割、挤出、缩放以及移动等命令获得毁伤效果。参考侦察卫星探测特点,在舰船上方架设一架合适的目标摄像机,获得舰船遥感图像。调整摄像机高度和和镜头大小可改变输出图像空间分辨率。

图2(a)是模拟的未破损的原始舰船图像,图2(b)和图2(c)是模拟的不同毁伤情况舰船图像。舰船图像大小均为800×600,分辨率为1m。本方法模拟的舰船遥感图像较为理想,故省去图像去噪这一步骤。

图2 模拟的舰船遥感图像

1) 舰船检测

将上述图像通过CFAR检测并进行形态学开运算后如图3所示。

图3 CFAR检测后图像

2) 目标区域提取

采用3.3节所述目标区域提取方法提取的毁伤前后目标区域如图4所示。

图4 目标区域

3) 几何特征与纹理特征提取

提取毁伤前后舰船的几何特征与纹理特征,如表1所示。

表1 毁伤前后几何特征和纹理特征

4) 毁伤评估

从表1可以看出,不同的特征在数量级上存在较大差距,因此先将数据进行归一化,再分别计算每个毁伤舰船与原始舰船特征向量的欧氏距离,得:

根据表2、结合评估规则,可对毁伤效果作出评估。

表2 特征向量的欧氏距离

1) 舰船一船体结构受到一定程度的破坏,毁伤程度为轻度毁伤。

2) 舰船二船体未受破坏,内部结构受到一定损伤,毁伤程度为轻度毁伤。

通过对两种不同类型的毁伤舰船进行毁伤效果评估,可见所提出的毁伤效果评估方法切实可行,如果在有真实毁伤图像的条件下会获得更好的验证。

5 结语

本文针对遥感图像上舰船目标特性,提出了一种基于变化检测的舰船毁伤效果评估方法,对各步骤进行了介绍,最后通过对模拟图像的毁伤评估进行验证。虽然本文选取的特征量能反映舰船目标结构变化,但是特征变化与毁伤程度之间的具体联系仍需结合真实毁伤图像或者大量仿真实验来获得。舰船结构复杂,不同舰船上层建筑和内部结构不同,在今后的研究工作中,应结合舰船结构布局和其它非图像信息对舰船作出更为合理的评估,也可结合舰船尾迹获取速度信息,对舰船进行综合评估,为作战决策提供客观依据。

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

[2] 陈和彬,余华敏,吴驻.侦察卫星在舰船毁伤评估中的运用[J].飞航导弹,2010(5):48-51.

[3] 涂震飚,林涛.基于下视图像的打击效果评估系统研究[J].战术导弹技术,2012(5):6-9.

[4] 付文宪,李少洪,洪文.基于高分辨SAR图像的打击效果评估[J].电子学报,2003,31(9):1290-1294.

[5] 牛鹏辉,李卫华,李小春.基于变化检测的机场毁伤评估算法[J].电光与控制,2012,19(7):89-93.

[6] 苏娟,鲜勇,刘代志.基于图像变化检测的打击效果自动评估算法[J].火力与指挥控制,2008,33(4):134-137.

[7] 尤晓建,韩雪梅.高分辨率光学图像目标打击效果评估系统研究[J].信息技术,2010(5):92-95.

[8] 陈海亮.基于特征的光学遥感图像舰船目标检测技术研究[D].长沙:国防科技大学研究生院,2010:9-10.

[9] 孙皓,孙显,王宏琦.一种高分辨率遥感图像舰船检测方法研究[J/OL].测绘科学.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] 杨小冈,付光远,缪栋,等.基于图像NMI特征的目标识别新方法[J].计算机工程,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:综合电子战信息战技术。陈麒,男,博士研究生,研究方向:遥感图像处理。

TP753

10.3969/j.issn1672-9730.2014.12.013