基于逼近HVS的评估方法在SAR干扰中的研究

【摘要】

对SAR干扰效果的评估已成为电子信息对抗领域的热点课题。传统的评估方法较依赖人工经验和数学统计。对此，本文提出了一种基于逼近HVS的评估方法。该方法通过建立局部方差加权SSIM的修正模型，使得评估的结果更加逼近HVS（人类视觉系统）。实验仿真数据表明，该方法不仅在准确率方面优于传统的评估手段，而且在与人的视觉感知质量保持一致性方面做得较好。

【关键词】

干扰效果；评估方法；HVS；SSIM

1引言

合成孔径雷达系统（SAR）是战略侦察和战场监视系统的重要组成部分，SAR凭借其高分辨率的成像技术，与地面动目标显示（GMTI）技术相结合，目前已被广泛使用；已经部署的各国高分辨率星载SAR以及美国在亚太地区部署的“全球鹰”和E8C所搭载的机载SAR系统，对我国地面重要军事目标，特别是大型战略目标的军事部署、作战状态、战时生存等构成了极为严重的威胁。因此，对SAR的干扰研究已成为电子信息对抗领域的热点课题。

SAR干扰的基本过程是利用侦察设备侦测出SAR发射信号的方向、频率和其他调制参数，干扰机按照控制命令产生合适的干扰信号进入对方SAR的接收机，从而使对方难以获取到正确的目标信息，以达到干扰的目的。而SAR干扰效果如何就需要有具体评估方案。目前由于保密原因，介绍相关评估方案的资料很少。目前国内流行的评估方法主要是基于欧几里德距离、相关系数、等效视数及均方误差等相关算法。本文提出一种基于逼近HVS的评估方法，并且针对该方法进行了初步的仿真验证。

2基于逼近HVS的评估方法

逼近HVS的评估方法主要是引入结构相似度（SSIM）算法。该算法将人眼主观感受与图像客观评价联系在一起，从而兼具了传统主观评估法和客观评估法的优点。常规SSIM评估方法的思想是：人眼可以从视野中提取结构信息，对此结构信息相似度变化情况可以反应出图像失真的程度。SSIM算法的优点在于计算像素点质量损失时考虑了该像素点所处的整个局部区域。可以认为在局部区域像素间的相关性方面，SSIM算法优于传统的算法。

但是SSIM算法侧重图像的边缘结构特征，而对图像的细节纹理特征还欠缺考虑。如果SAR的干扰信号集中在图像的细节层面，SSIM算法与人类视觉系统（HVS）就很难建立联系。因此，需要对SSIM算法进行修正，加入图像的细节纹理特征信息的评估指标，这样评估干扰的效果才会更全面。对此，下文研究基于HVS修正的SSIM算法。

2.1算法的改进与实现

常规SSIM表达式为：

SSIM（X，Y）=N i=1[（2μxiμyi+C1）（2σxiyi+C2） （μ2xi+μ2yi+C1）]

N i=1（σ2xi+σ2yi+C2）

（1）

我们假设设SAR干扰前后所对应的两幅图像分别为I、J，图像大小都为

Mx（i，j）*Nx（i，j），

定义局部方差均值为：

μvi=1 Mx（i，j）*Nx（i，j）

Mx（i，j） i=1

Nx（i，j） j=1Var（xI（i，j））

（2）

局部方差的标准差为：

σvi=[1 Mx（i，j）*Nx（i，j）1

Mx（i，j） i=1

Nx（i，j） j=1

（Var（xI（i，j））μvi）2

]1 2

（3）

LVS=2μVIμVJ μ2VI+μ2VJ

*

2σVIσVJ σ2VI+σ2VJ*

σVIVJ σVIσVJ=

2μVIμVJ μ2VI+μ2VJ*

σVIVJ σ2VI+σ2VJ

（4）

文献[3]提出图像的局部方差（LVS）能够表示局部图像的细节纹理信息，那么通过计算LVS相似度，就可以分析干扰前后图像的细节纹理信息。文献指出逼近HVS结构信息的数学模型注重于图像的结构信息，逼近HVS细节信息的数学模型更加侧重于图像的细节纹理信息。因此综合两者的乘积（LVSSSIM），综合衡量干扰前后图像的质量。定义式如下：

LVS__SSIM=SSIM*LVS=1 N

N i=1（SSIM（xi，yi）*LVS（xi，yi））

（5）

LVS__SSIM=SSIM*LVS

=SSIM*（2μVIμVJ μ2VI+μ2VJ*2σVIσVJ σ2VI+σ2VJ*

σVIVJ σVIσVJ）

=D1=0

D2=0 D3=0SSIM*（2μVIμVJ+D1

μ2VI+μ2VJ+D1*

2σVIσVJ+D2 σ2VI+σ2VJ+D2*

σVIVJ+D3 σVIσVJ+D3）

≈SSIM*SSIMLocal

其中，SSIMLocal表示局部的结构相似度，亦称为局部方差相似度（LVS），那么SSIMLocal可以认为是在SSIM基础上的加权处理。根据公式（1），公式（5）可以进一步转化为：

LVS__SSIM=SSIM*LVS≈SSIM*SSIMLocal（6）

=（L（X，Y））α*（C（X，Y））β*（S（X，Y））χ

其中，α、β、γ分别表示分块图像加权系数。修正后的算法可以计算SAR干扰前后图像的亮度、对比度及结构信息的加权系数，并对原有的SSIM模型进行修正，使得评估的结果更加逼近HVS。

上述分析表明，利用SSIM算法逼近HVS的评估方法不仅将干扰前后SAR图像的整体与局部信息巧妙地结合在一起，达到了全面信息处理的效果，而且建立了与HVS的联系，找到了定量分析与HVS特性的交集。

2.2仿真实验

为了验证该方法的有效性，我们选取传统的评估算法与基于逼近HVS的SSIM算法分别进行仿真实验。传统的评估算法为MSE（均方误差）、PSNR（峰值信噪比）、CORRELATION（相关系数），其滑窗分块采用的是3*3的模块。设F={f（xi，yi）}m，ni=1，j=1和G={g（xi，yi）}m，ni=1，j=1分别为平面S={（xi，yi）}m，ni=1，j=1上干扰前与干扰后图像的灰度，那么，MSE、PSNR及Correlation的定义是分别如下：

MSE=1 m×n

m i=1n j=1|f（xi，yj）-g（xi，yj）|2

（7）

PSNR=10log（L2ref/MSE）（8）

Correlation=n j=1

m i=1f（xi，yj）g（xi，yj）

n j=1m i=1f2（xi，yi）

n j=1m i=1g2（xi，yi）

（9）

其中，m×n表示图像切片的大小，Lref=255（8比特图像灰度）。

实验选取SAR雷达对某区域扫描，同时干扰设备分别输出不同样式的干扰信号。真实场景的回波数据与干扰回波数据叠加得到具体的成像结果。下图中，图1为无干扰时SAR雷达成像图，分别率约为

1.6m×1.6m，场景大小为1000m×800m，在图像上可以清晰地看到被保护的导弹车；图2是在随机移频干扰下的SAR成像图，可以看出干扰效果比较明显。图3是在脉间不相干的分段移频干扰下的SAR成像图，干扰效果较差。图4表示射频噪声干扰后的SAR成像图，图5、图6分别表示噪声干扰能量集中在敏感频段及低频段的SAR成像图，目标在这三种干扰条件下已经比较模糊，可以看出图5的干扰效果最为理想。仔细比对这些干扰图像，图4、图5、图6整体结构信息被压制，图3部分结构信息被压制，图2部分细节信息被压制。

从实测数据成像结果来看，五种干扰的SAR成像图对HVS的刺激程度明显不同，存在着较大的主观感受差异。从人类视觉系统的主观感受上来分析，图2的干扰效果要明显优于图3的干扰效果。图5的干扰效果要明显优于图4与图6的干扰效果，而图4、图6的干扰效果没有明显的区别。综合分析五种干扰样式下的成像图，图5的信息损失量最大，干扰效果最强，图3的信息损失量最小，干扰效果最弱。

2.3实验结果分析

对实验结果通过计算机仿真得到相关指标的参数。再分别利用传统的MSE算法、PSNR算法、CORRELATION算法、常规的SSIM算法和LVSSSIM算法定量的计算出评估数值。具体评估结果如表1所示：

通过表1的对比分析，可以得到如下结论：采用传统的MSE算法、PSNR算法评估，显然图2的干扰效果最好，图5的干扰效果最差，这显然与人类视觉分析的结果相差较大。Correlation算法相对较准确，但是对于图2和图3干扰效果的评估没有多大区别。采用传统的SSIM算法来进行评估，图6的干扰效果最好，图3的干扰效果最差。这与人类视觉分析的结果也存在一定的差异。由此可以看出上述部分定量的评估结果与人的主观感觉或多或少存在一些差异，这些传统的评估指标无法准确反映出人类视觉可判断的图像质量差异。

而如果采用LVSSSIM作为评估指标，则可以得到图5的干扰效果最佳、图3的干扰效果最差的结论，这个结论与人类视觉的主观感受一致，显然是客观的数学分析与HVS的折衷考虑。以上仿真结论充分表明，本文提出的基于HVS的评估方法不仅具有数学分析的客观性，又充分考虑了人类视觉的主观感受。特别是在干扰前后图像的细节处理上明显更具优势，逼近了SAR专判图专家的标准。

3结束语

本文依据SSIM算法充分逼近HVS，利用局部方差实现了对SSIM评估模型的修正，改进后的方法不仅考虑了干扰前后图像的边缘结构特征，同时也考虑了干扰前后图像的细节纹理特征，既从大处着眼，亦从小处把握，对干扰前后图像的整体信息有了一个更加全面的描述。因此该方法是一种客观性较强、又比较贴近与人类主观感受的评估手段。

参考文献：

[1]韩国强，李永祯，王雪松.基于修正SSIM的SAR干扰效果评估方法[J].电子与信息学报，2011，（3）

[2]韩中生.SAR成像及干扰效果评估方法研究[J].飞行器测控学报，2004，23（2）：8184

[3]冯小平.关于SAR图像质量指标[J].西安电子科技大学学报.2005

作者简介：

朱丽刚（1977.11-），男，汉族，黑龙江双鸭山人，硕士，中国电子科技集团第三十八研究所，工程师，研究方向：电子工程；

王平（1985.3-），男，汉族，安徽芜湖人，硕士，中国电子科技集团第三十八研究所，工程师，研究方向：电子工程。