基于改进K均值聚类分析的迷彩伪装色选取
合集下载
相关主题
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
经典 K 均值算法的像素聚类判据为该像素与聚类中心的 特征距离最小，在迷彩设计中表现为色差最小原则。由视觉生 理学可知，人眼对颜色的判别存在色差容限，即当颜色之间的 色差小于一定阈值时人眼便不能够分辨，此时颜色的归属由其 所处位置的纹理特征决定。因而在迷彩设计中，大多数情况下 最小色差原则可以较好地完成像素聚类分析，但当像素与各聚 类中心色差之间的差值小于视觉阈值时，则必须由该像素所处 位置的纹理特征决定其聚类结果，在本算法中表现为首先对目 标像素 8 个相邻元素的聚类结果进行统计，然后选取数量优势 者作为该像素的聚类结果。
图 8 静态伪装场景目标边缘检测结果 于背景中，达到了较好的伪装效果。
对目标运动的动态伪装场景进行伪装效果评估，可以有效 地评估迷彩图案的动态伪装效果。源自文库 9 为利用时-空梯度估计 光流场方法得到的动态伪装场景目标识别跟踪结果，矩形框表
图 9 动态伪装场景目标识别跟踪结果
5 结束语
提出了一种基于改进 K 均值聚类分析的迷彩伪装色选取 方法，并对使用该方法设计的迷彩伪装图案进行了静态和动态 伪装效果评估。结果表明，该方法能够满足迷彩图案具备较好 伪装效果的要求，因而可以用于军事目标（静态或动态）的迷彩 伪装设计，对提高军事目标在军事斗争恶劣战场环境中的生存 能力和保障能力具有重要意义。
3.2 算法流程
输入：背景图片 I，聚类个数 k 和视觉阈值 m。 输出：聚类结果图片。 步骤 1 选取 k 个色差尽可能大的标准伪装色作为初始聚 类中心。 步骤 2 逐个计算各像素与各聚类中心的色差，如果 k 个 色差之间的差值均大于视觉阈值，则按照最小距离原则分配给 k 个聚类中心中的一个；如果 k 个色差之间的差值不大于视觉 阈值，则统计其相邻 8 个像素的聚类结果，然后选择优势聚类 结果作为该像素的聚类结果。 步骤 3 更新各个聚类中心的颜色值。 步骤 4 如果聚类中心的颜色值不再变化，则算法收敛，结 束；否则退回步骤 2 继续下一次迭代。 步骤 5 在军标规定的标准伪装色中，逐个计算其与各最 优聚类中心的色差，选择色差最小的标准伪装色代替最优聚类 中心作为迷彩伪装色。
3.1 改进的 K 均值聚类算法描述
该算法主要在两个方面对经典 K 均值聚类算法进行改 进，一是初始聚类中心的选择，另外就是像素的聚类判据。K 均 值算法聚类效果受到初始聚类中心的影响很大，初始聚类中心 传统上是随机选定的，因而聚类结果往往是局部最优[4-5]。如果 选择较为合理，聚类结果就会更合理，而且聚类的速度也会更 快一些。为了使初始聚类中心选取得较为分散，必须对其色差 进行限制，结合迷彩设计的实际，可以选取色差尽可能大的标 准伪装色作为初始聚类中心。例如在后面介绍的三色迷彩实验 中，选择 DG0730（31.9，-4.9，7.0）、YE3559（66.0，13.4，35.9）和 WN8384（93.1，-0.1，1.3）3 种标准伪装色作为初始聚类中心[6]。
4 实验结果与分析 4.1 设计实例
对 5 种常见的伪装背景（北方林地型、南方林地型、草原 型、荒漠型和雪地型等）进行了伪装色选取和迷彩设计实验。鉴 于当今世界大部分装备迷彩均为三色迷彩和视觉生理学的研 究成果，本实验中改进 K 均值聚类算法参数设置为聚类个数 k=3 和视觉阈值 m=3，其结果分别如图 3~图 7 所示。在这 5 幅 图中，左图为选取的典型背景图像，中图为基于改进 K 均值聚 类分析的迷彩伪装设计结果，右图为合成伪装场景，即将坦克 模型实施中图所示迷彩方案后置于相应伪装背景中。由右图可 见，不同类型的迷彩伪装色均与相应的伪装背景很好的融合， 改变了目标的光学特征，使得坦克轮廓难以通过视觉分辨。
ZHANG Yong，WU Wen-jian，LIU Zhi-ming.Camouflage color selection based on improved K-means clustering.Computer Engineering and Applications，2009，45（6）：210-212.
212 2009，45（6）
Computer Engineering and Applications 计算机工程与应用
示已探测到的目标区域。图 9 上两幅图为未实施迷彩坦克的识 别跟踪视频截图，由于坦克颜色与背景颜色对比明显，因而目 标坦克被成功探测并跟踪。下两幅图为实施本文迷彩方案坦克 的识别跟踪视频截图，从中可以看出，目标坦克始终未被探测 到，达到了较好的动态伪装效果。
图 3 北方林地型迷彩伪装设计实例 图 4 南方林地型迷彩伪装设计实例
图 5 草原型迷彩伪装设计实例 图 6 荒漠型迷彩伪装设计实例
Á
图 7 雪地型迷彩伪装设计实例
4.2 伪装效果评估
采用客观伪装效果评估方法对迷彩图案进行伪装效果评 估。图 8 为利用 Sobel 算子边缘探测方法得到的静态伪装场景 评估结果，矩形框表示探测结果图中目标坦克的位置区域。图 8 左上图为坦克未实施迷彩伪装的场景，右上图为其边缘检测 结果，从中可以看出，坦克的边缘非常明显，这是由于坦克颜色 与背景颜色的强烈对比造成的。图 8 左下图为坦克实施本文方 法生成迷彩的场景，右下图为其边缘检测结果，由于坦克与背 景的主要颜色相近且所占比例相差不大，因而坦克很好地融合
张 勇，吴文健，刘志明：基于改进 K 均值聚类分析的迷彩伪装色选取
2009，45（6） 211
的完整性。由各颜色空间的转换关系可知[3]，Lab 颜色空间中的 3 个变量均保留了 RGB 颜色空间 3 变量的信息，而 HSI 颜色 空间中的 3 变量只保留了 RGB 颜色空间中部分变量的信息， 尤其是对人眼辨别颜色影响最大的亮度，只利用了 RGB 颜色 空间中的一个变量信息，而丢弃了其余两个颜色变量。
210 2009，45（6）
Computer Engineering and Applications 计算机工程与应用
基于改进 K 均值聚类分析的迷彩伪装色选取
张 勇，吴文健，刘志明 ZHANG Yong，WU Wen-jian，LIU Zhi-ming
国防科技大学 航天与材料工程学院，长沙 410073 College of Aerospace & Material Engineering，National University of Defense Technology，Changsha 410073，China E-mail：c14518@163.com
2 颜色空间的选择
基于改进 K 均值的迷彩伪装色选取需要合适的颜色空间 与之相适应。目前聚类分析的常用颜色空间主要有两个：HSI 颜色空间和 CIE 1976 Lab 颜色空间，其模型分别如图 1 和图 2 所示。这两个颜色空间都考虑了人的视觉特性，但本文选择 了 Lab 颜色空间，因为其在以下两个方面更具优势：
Abstract：Camouflage color is the greatest factor in camouflage pattern with good background matching.An effective method for camouflage color selection based on improved K -means clustering is presented in this paper.Standard camouflage colors with great differences are selected as initial centroids，and pixels partition depends on color difference with cluster centroids and neighbors character，at last the background superior colors are transformed into standard camouflage colors ordained by army.Com－ bining the above -mentioned theory with camouflage pattern design technique，the authors analyze the validity of the algorithm through experiments.The camouflage effect of camouflaged target in diverse backgrounds is also tested through edge detection and correlation tracking.The research result indicates that camouflage color selection based on improved K-means clustering is good enough for camouflage pattern design. Key words：color space；K-means clustering；background superior color；camouflage color；camouflage pattern design
1 引言
传统迷彩设计的基础为对大量背景的统计分析和人为经 验总结[1]，因而周期长且准确性较差。使用计算机进行迷彩图案 设计则可以避免这些问题，其关键步骤为背景优势色的提取， 目前普遍使用的颜色直方图方法由于背景图像颜色数目巨大， 因而计算量较大，不能满足快速准确的要求。提出了基于改进 K 均值算法的背景优势色提取方法，在初始聚类中心选择和像 素聚类判据两个方面对经典 K 均值算法进行改进，最后将得 到的背景优势色转换为军标规定的迷彩伪装色。该方法在国内 外尚未见报道。
摘 要：伪装色是影响迷彩伪装效果的关键因素。提出一种基于改进 K 均值聚类分析的迷彩伪装色选取算法：在 Lab 颜色空间中 选择色差尽可能大的标准伪装色作为初始聚类中心，由最小色差原则和相邻元素特征共同决定目标像素归属，最后将得到的背景 优势色（最优聚类中心）转换为军标规定的迷彩伪装色。通过迷彩伪装图案设计实例对伪装色选取算法进行了实验分析，并通过边 缘检测和识别跟踪算法对不同背景下的目标迷彩伪装效果进行了验证。结果表明，基于改进 K 均值聚类分析的迷彩伪装色选取方 法能够满足迷彩图案具备较好伪装效果的要求。 关键词：颜色空间；K 均值聚类分析；优势色；伪装色；迷彩设计 DOI：10.3778/j.issn.1002-8331.2009.06.060 文章编号：１００２－８３３１（２００9）06-0210-03 文献标识码：Ａ 中图分类号：E951.4
3 迷彩伪装色的选取
提取背景优势色的方法有颜色直方图法和聚类分析法两 种。颜色直方图法由于背景图像颜色数目巨大且各颜色分量之 间联系不够紧密，因而不能满足迷彩伪装设计快速准确的要 求。聚类分析法常采用模糊理论，但将其用于迷彩伪装设计则 显得多余，因为颜色空间本身就是建立在人对颜色的主观感觉 实验基础上，颜色归属的模糊性已经隐藏于颜色的量化过程 中。因而采用基于改进 K 均值聚类分析的方法进行背景优势 色提取。
（2）颜色信息的完整性。通常计算机获取和显示的图像均 采用 RGB 颜色空间，在转化为伪装色选取所需要的颜色空间 时，需要尽量多的保留 RGB 颜色空间的信息以保证颜色信息
作者简介：张勇（1979-），男，博士生，研究方向为伪装技术应用；吴文健，教授，博士生导师；刘志明，博士生。 收稿日期：2008-01-14 修回日期：2008-04-21
Green（120°） I Blue（240°）
绿 -a
L白
黄 +b
+a 红
H
S
Black（0，0）
图 1 HSI 模型结构示意图
-b
蓝
黑
图 2 Lab 模型结构示意图
（1）颜色分布的均匀性。用于迷彩设计的聚类分析需要考 虑不同颜色之间的色差。虽然 HSI 空间反映了颜色的色调、饱 和度和亮度 3 种特征，但其并不是一个知觉的均匀颜色空间， 即空间上的距离变化不完全代表视觉上的相等色差；而 Lab 颜 色空间更合理地反映了人眼对颜色的观察效果，使得颜色在知 觉上具有均匀空间，因而更适合色差指标的度量[2]。
图 8 静态伪装场景目标边缘检测结果 于背景中，达到了较好的伪装效果。
对目标运动的动态伪装场景进行伪装效果评估，可以有效 地评估迷彩图案的动态伪装效果。源自文库 9 为利用时-空梯度估计 光流场方法得到的动态伪装场景目标识别跟踪结果，矩形框表
图 9 动态伪装场景目标识别跟踪结果
5 结束语
提出了一种基于改进 K 均值聚类分析的迷彩伪装色选取 方法，并对使用该方法设计的迷彩伪装图案进行了静态和动态 伪装效果评估。结果表明，该方法能够满足迷彩图案具备较好 伪装效果的要求，因而可以用于军事目标（静态或动态）的迷彩 伪装设计，对提高军事目标在军事斗争恶劣战场环境中的生存 能力和保障能力具有重要意义。
3.2 算法流程
输入：背景图片 I，聚类个数 k 和视觉阈值 m。 输出：聚类结果图片。 步骤 1 选取 k 个色差尽可能大的标准伪装色作为初始聚 类中心。 步骤 2 逐个计算各像素与各聚类中心的色差，如果 k 个 色差之间的差值均大于视觉阈值，则按照最小距离原则分配给 k 个聚类中心中的一个；如果 k 个色差之间的差值不大于视觉 阈值，则统计其相邻 8 个像素的聚类结果，然后选择优势聚类 结果作为该像素的聚类结果。 步骤 3 更新各个聚类中心的颜色值。 步骤 4 如果聚类中心的颜色值不再变化，则算法收敛，结 束；否则退回步骤 2 继续下一次迭代。 步骤 5 在军标规定的标准伪装色中，逐个计算其与各最 优聚类中心的色差，选择色差最小的标准伪装色代替最优聚类 中心作为迷彩伪装色。
3.1 改进的 K 均值聚类算法描述
该算法主要在两个方面对经典 K 均值聚类算法进行改 进，一是初始聚类中心的选择，另外就是像素的聚类判据。K 均 值算法聚类效果受到初始聚类中心的影响很大，初始聚类中心 传统上是随机选定的，因而聚类结果往往是局部最优[4-5]。如果 选择较为合理，聚类结果就会更合理，而且聚类的速度也会更 快一些。为了使初始聚类中心选取得较为分散，必须对其色差 进行限制，结合迷彩设计的实际，可以选取色差尽可能大的标 准伪装色作为初始聚类中心。例如在后面介绍的三色迷彩实验 中，选择 DG0730（31.9，-4.9，7.0）、YE3559（66.0，13.4，35.9）和 WN8384（93.1，-0.1，1.3）3 种标准伪装色作为初始聚类中心[6]。
4 实验结果与分析 4.1 设计实例
对 5 种常见的伪装背景（北方林地型、南方林地型、草原 型、荒漠型和雪地型等）进行了伪装色选取和迷彩设计实验。鉴 于当今世界大部分装备迷彩均为三色迷彩和视觉生理学的研 究成果，本实验中改进 K 均值聚类算法参数设置为聚类个数 k=3 和视觉阈值 m=3，其结果分别如图 3~图 7 所示。在这 5 幅 图中，左图为选取的典型背景图像，中图为基于改进 K 均值聚 类分析的迷彩伪装设计结果，右图为合成伪装场景，即将坦克 模型实施中图所示迷彩方案后置于相应伪装背景中。由右图可 见，不同类型的迷彩伪装色均与相应的伪装背景很好的融合， 改变了目标的光学特征，使得坦克轮廓难以通过视觉分辨。
ZHANG Yong，WU Wen-jian，LIU Zhi-ming.Camouflage color selection based on improved K-means clustering.Computer Engineering and Applications，2009，45（6）：210-212.
212 2009，45（6）
Computer Engineering and Applications 计算机工程与应用
示已探测到的目标区域。图 9 上两幅图为未实施迷彩坦克的识 别跟踪视频截图，由于坦克颜色与背景颜色对比明显，因而目 标坦克被成功探测并跟踪。下两幅图为实施本文迷彩方案坦克 的识别跟踪视频截图，从中可以看出，目标坦克始终未被探测 到，达到了较好的动态伪装效果。
图 3 北方林地型迷彩伪装设计实例 图 4 南方林地型迷彩伪装设计实例
图 5 草原型迷彩伪装设计实例 图 6 荒漠型迷彩伪装设计实例
Á
图 7 雪地型迷彩伪装设计实例
4.2 伪装效果评估
采用客观伪装效果评估方法对迷彩图案进行伪装效果评 估。图 8 为利用 Sobel 算子边缘探测方法得到的静态伪装场景 评估结果，矩形框表示探测结果图中目标坦克的位置区域。图 8 左上图为坦克未实施迷彩伪装的场景，右上图为其边缘检测 结果，从中可以看出，坦克的边缘非常明显，这是由于坦克颜色 与背景颜色的强烈对比造成的。图 8 左下图为坦克实施本文方 法生成迷彩的场景，右下图为其边缘检测结果，由于坦克与背 景的主要颜色相近且所占比例相差不大，因而坦克很好地融合
张 勇，吴文健，刘志明：基于改进 K 均值聚类分析的迷彩伪装色选取
2009，45（6） 211
的完整性。由各颜色空间的转换关系可知[3]，Lab 颜色空间中的 3 个变量均保留了 RGB 颜色空间 3 变量的信息，而 HSI 颜色 空间中的 3 变量只保留了 RGB 颜色空间中部分变量的信息， 尤其是对人眼辨别颜色影响最大的亮度，只利用了 RGB 颜色 空间中的一个变量信息，而丢弃了其余两个颜色变量。
210 2009，45（6）
Computer Engineering and Applications 计算机工程与应用
基于改进 K 均值聚类分析的迷彩伪装色选取
张 勇，吴文健，刘志明 ZHANG Yong，WU Wen-jian，LIU Zhi-ming
国防科技大学 航天与材料工程学院，长沙 410073 College of Aerospace & Material Engineering，National University of Defense Technology，Changsha 410073，China E-mail：c14518@163.com
2 颜色空间的选择
基于改进 K 均值的迷彩伪装色选取需要合适的颜色空间 与之相适应。目前聚类分析的常用颜色空间主要有两个：HSI 颜色空间和 CIE 1976 Lab 颜色空间，其模型分别如图 1 和图 2 所示。这两个颜色空间都考虑了人的视觉特性，但本文选择 了 Lab 颜色空间，因为其在以下两个方面更具优势：
Abstract：Camouflage color is the greatest factor in camouflage pattern with good background matching.An effective method for camouflage color selection based on improved K -means clustering is presented in this paper.Standard camouflage colors with great differences are selected as initial centroids，and pixels partition depends on color difference with cluster centroids and neighbors character，at last the background superior colors are transformed into standard camouflage colors ordained by army.Com－ bining the above -mentioned theory with camouflage pattern design technique，the authors analyze the validity of the algorithm through experiments.The camouflage effect of camouflaged target in diverse backgrounds is also tested through edge detection and correlation tracking.The research result indicates that camouflage color selection based on improved K-means clustering is good enough for camouflage pattern design. Key words：color space；K-means clustering；background superior color；camouflage color；camouflage pattern design
1 引言
传统迷彩设计的基础为对大量背景的统计分析和人为经 验总结[1]，因而周期长且准确性较差。使用计算机进行迷彩图案 设计则可以避免这些问题，其关键步骤为背景优势色的提取， 目前普遍使用的颜色直方图方法由于背景图像颜色数目巨大， 因而计算量较大，不能满足快速准确的要求。提出了基于改进 K 均值算法的背景优势色提取方法，在初始聚类中心选择和像 素聚类判据两个方面对经典 K 均值算法进行改进，最后将得 到的背景优势色转换为军标规定的迷彩伪装色。该方法在国内 外尚未见报道。
摘 要：伪装色是影响迷彩伪装效果的关键因素。提出一种基于改进 K 均值聚类分析的迷彩伪装色选取算法：在 Lab 颜色空间中 选择色差尽可能大的标准伪装色作为初始聚类中心，由最小色差原则和相邻元素特征共同决定目标像素归属，最后将得到的背景 优势色（最优聚类中心）转换为军标规定的迷彩伪装色。通过迷彩伪装图案设计实例对伪装色选取算法进行了实验分析，并通过边 缘检测和识别跟踪算法对不同背景下的目标迷彩伪装效果进行了验证。结果表明，基于改进 K 均值聚类分析的迷彩伪装色选取方 法能够满足迷彩图案具备较好伪装效果的要求。 关键词：颜色空间；K 均值聚类分析；优势色；伪装色；迷彩设计 DOI：10.3778/j.issn.1002-8331.2009.06.060 文章编号：１００２－８３３１（２００9）06-0210-03 文献标识码：Ａ 中图分类号：E951.4
3 迷彩伪装色的选取
提取背景优势色的方法有颜色直方图法和聚类分析法两 种。颜色直方图法由于背景图像颜色数目巨大且各颜色分量之 间联系不够紧密，因而不能满足迷彩伪装设计快速准确的要 求。聚类分析法常采用模糊理论，但将其用于迷彩伪装设计则 显得多余，因为颜色空间本身就是建立在人对颜色的主观感觉 实验基础上，颜色归属的模糊性已经隐藏于颜色的量化过程 中。因而采用基于改进 K 均值聚类分析的方法进行背景优势 色提取。
（2）颜色信息的完整性。通常计算机获取和显示的图像均 采用 RGB 颜色空间，在转化为伪装色选取所需要的颜色空间 时，需要尽量多的保留 RGB 颜色空间的信息以保证颜色信息
作者简介：张勇（1979-），男，博士生，研究方向为伪装技术应用；吴文健，教授，博士生导师；刘志明，博士生。 收稿日期：2008-01-14 修回日期：2008-04-21
Green（120°） I Blue（240°）
绿 -a
L白
黄 +b
+a 红
H
S
Black（0，0）
图 1 HSI 模型结构示意图
-b
蓝
黑
图 2 Lab 模型结构示意图
（1）颜色分布的均匀性。用于迷彩设计的聚类分析需要考 虑不同颜色之间的色差。虽然 HSI 空间反映了颜色的色调、饱 和度和亮度 3 种特征，但其并不是一个知觉的均匀颜色空间， 即空间上的距离变化不完全代表视觉上的相等色差；而 Lab 颜 色空间更合理地反映了人眼对颜色的观察效果，使得颜色在知 觉上具有均匀空间，因而更适合色差指标的度量[2]。