基于光学伪装的数码迷彩技术

基于光学伪装的数码迷彩是一种通过提取自然背景的纹理、颜色和层次等信息,并以数码像素点阵图案的形式表现出来的新型迷彩。文章对数码迷彩的研究发展现状、数码迷彩设计技术、伪装效果评价方法等做了全面系统的介绍。     

基于区域分割的伪装迷彩设计研究

该文主要介绍了图像分割技术的发展现状以及区域分割的方法,并对颜色空间的分类及其各类的特点做了简单的介绍。在对区域生长法原理及算法介绍的基础上,结合山地高空所拍摄植被的光学照片,进行伪装迷彩设计中的背景分割试验．从而验证区域生长法在彩色图像分割中的分割效果。     

基于区域分割的伪装迷彩设计研究

该文主要介绍了图像分割技术的发展现状以及区域分割的方法,并对颜色空间的分类及其各类的特点做了简单的介绍。在对区域生长法原理及算法介绍的基础上,结合山地高空所拍摄植被的光学照片,进行伪装迷彩设计中的背景分割试验,从而验证区域生长法在彩色图像分割中的分割效果。     

基于小波纹理特征的迷彩伪装评价

伪装效果分析是伪装设计的重要环节之一,采用计算机智能评价方法代替人的主观评价可以降低评价结果的随机性,提高其客观性和有效性。该文提出对图像多层小波进行分解,用小波特征系数计算纹理相似度的方法来评价军事伪装效果。实验数据表明,使用小波纹理相似度可以量化反映出迷彩伪装的有效度,评价准确性更高。     

固定目标伪装的数码迷彩设计

传统迷彩的边缘平滑、色彩分明、视觉区分度强,其设计过程往往脱离伪装目标的实际背景,不能很好地与背景相融合。数码迷彩在图案上呈现不规则的重叠,不同颜色间的边缘模糊、破碎,极易模拟自然背景。文章提出一种根据目标的背景生成数码迷彩的新方法。根据实际需求确定数码单元的尺寸,然后采用模板遍历的方法对背景图像中的主要颜色进行重新排布,最后生成数码迷彩。利用此算法生成的数码迷彩能够较好地保留背景的细节特征,并与目标的自然背景高度融合,从而达到良好的变形和光学伪装效果。     

融合注意力机制的弱监督迷彩伪装目标检测算法

随着计算机硬件和人工智能技术的发展,强监督目标检测算法已经取得了很大的成果。然而,强监督目标检测算法需要在大规模、标注精度高的数据集上进行训练。但在某些特定领域,上述条件要求过于苛刻。例如,军事上常用的迷彩伪装目标的图像数据集就比公共数据集更难获得且标注难度更大。因此,采用对数据集要求更低的弱监督目标检测算法来实现迷彩伪装目标的检测任务。由于图像中迷彩伪装目标与背景融合度较大,导致原始浅层特征感知伪监督目标定位(Shallow feature-aware Pseudo supervised Object Localization, SPOL)算法的检测精度相对较低。本文的核心是在SPOL算法的基础上融合注意力机制,通过加入注意力模块,让模型更加关注迷彩伪装目标的区域,以此来提高迷彩伪装目标的检测精度。     

基于改进K均值聚类分析的迷彩伪装色选取

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。     

基于YOLO v5算法的迷彩伪装目标检测技术研究

迷彩伪装目标与周围环境高度相似,对迷彩伪装目标的检测任务比普通的检测任务更具挑战性,常规的检测算法对迷彩伪装目标检测任务不完全适用.文中对现有方法进行分析,以YOLO v5算法为基础,提出了一种针对迷彩伪装目标的检测算法.该算法结合注意力机制设计了新的特征提取网络,突出了迷彩伪装目标的特征信息;并且对原有的聚合网络进行...     

改进RetinaNet的伪装人员检测方法研究

迷彩伪装技术能有效降低目标的视觉显著度,对迷彩目标检测任务造成巨大的挑战.在RetinaNet检测框架的基础上,针对迷彩目标特性嵌入了空间注意力和通道注意力模块,并基于定位置信得分构建了新的预测框过滤算法,有效实现了对迷彩伪装人员的检测.在扩展后的伪装人员数据集上的实验表明,该模型将检测精度提升了8.7个百分点,达到了...     

浅析建筑造型的仿生设计

伴随着自然的演绎和当今居住环境的巨大变化,仿生设计艺术越来越广泛地应用到建筑设计领域当中。该论文通过研究仿生设计来体现其自然形态,为设计找到表现方式,为传达设计的内涵提供素材,使我们从自然形态中受到启迪。     

基于仿生模式识别的未知推荐攻击检测

针对已有检测方法不能有效地检测未知推荐攻击的问题,提出了一种基于仿生模式识别(bionic pattern recognition)的检测方法。首先,依据项目流行度划分项目到不同的窗口,把用户对窗口内项目的评分视为随机事件发生。在此基础上,利用信息熵(information entropy)提取评分分布特征作为检测推荐攻击的通用特征。然后,在特征空间中,利用仿生模式识别技术覆盖真实概貌样本,将覆盖范围外的测试数据判为推荐攻击。在MovieLens数据集上进行实验,结果表明,该方法在检测未知推荐攻击时具有较高的命中率和较低的误报率。     

仿生设计方法探析

本文通过介绍仿生设计的相关概念,论述了仿生设计的方法,同时对该设计方法的特点进行了总结,指出了它的应用场合,为仿生设计法的实施奠定了一定的基础。     

对设计的思考——仿生

自然界到处充满活生生的"优良设计"实例,对设计师而言,是个取之不尽、用之不竭的"设计资料库"。人类日常生活用品的形态差不多都是源于自然的形态仿生,这些自然的"优良设计",有的结构精巧,用材合理,符合自然的经济原则;也有的美不胜收,让人爱不释手;有的甚至是根据某种数理法则形成,这些生物形形色色的奇特本领耐人寻味,使人浮想连翩。我们在赞赏之余,是否能从这些精妙的设计中,获取一些灵感呢?