基于分水岭方法的数码迷彩设计

迷彩是对抗现代侦查与精确打击,有效提高军事目标战场生存能力的防护手段之一,是作战保障的重要内容。数码迷彩能够有效破坏伪装目标的外形,使不同色彩间的边界模糊、破碎,具有良好的伪装隐身效果。文章提出了一种新的生成数码迷彩算法,它先对图案使用分水岭方法分割,确定出大致图案,然后提取出背景主色和确定数码迷彩斑块的大小,最后生成数码迷彩。由于图像本身会存在噪声,在分割时会造成许多虚假边缘,即过分分割现象。为了避免产生过分分割现象,文中采用预处理滤波的方法,在图像应用分水岭算法前滤除图像噪声。实验表明,利用此算法生成的数码迷彩相对于传统迷彩能够更好地与自然背景相融合,达到良好的光学伪装效果。     

迷彩设计中基于SOFM的背景图像聚类方法

迷彩设计要求用简单的几种颜色模拟自然背景纹理,因此,通过分析背景的图像,利用图像分割技术提取背景信息从而进行迷彩图案的自动设计已是近年来伪装领域研究的热点课题.目前,最常用的图像分割方法是均值聚类法,而均值聚类法由于直接利用图像的灰度差信息,容易造成分割的细节不明显,从而导致模拟背景纹理失真.针对均值聚类法的不足,结合人工智能网络学习技术,提出基于SOFM的图像分割方法对背景进行聚类分割,较好地保留了图像的细节纹理,得到了较为理想的效果.     

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。     

仿生迷彩伪装设计

针对迷彩伪装难题,提出仿生迷彩概念,将生物特征信息融入传统迷彩设计准则,介绍背景图片的斑块化和仿生结构元素的创建过程。在阐述其生成方法机理的基础上设计4种仿生迷彩图案,并通过边缘检测和识别跟踪算法对其进行静态和动态伪装效果评估。实验结果表明,仿生迷彩具备较好的伪装效果,可用于军事目标（静态或动态）的伪装设计。     

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。     

一种基于边缘与区域信息的先验水平集图像分割方法

传统的水平集图像分割方法仅考虑了图像的数据信息,因此对被遮盖的目标以及与背景灰度相近的目标无法达到理想的分割效果.针对这个问题,提出了一种基于边缘和区域信息的先验水平集图像分割方法.该方法首先将图像的区域信息融入基于边缘的水平集方法,然后将其与形状先验结合.对比实验表明该文方法由于综合考虑了多种信息,能够更好地完成被遮盖目标的分割,对于与背景灰度相近的目标也能达到更好的效果.     

VC和MATLAB混合编程方法在迷彩斑块设计中的应用

通过一个迷彩斑块设计实例,阐述VC和MATLAB的混合编程方法在迷彩设计中的应用。使用MATLAB函数调用图像处理工具箱,创建COM接口,从而实现VC＋＋调用该COM接口,并对返回结果进行处理。实现对输入的背景图像进行处理,获得图像的边缘轮廓,为迷彩的斑块设计提供依据。既能充分利用成熟的函数库加快软件开发,成功提取到背景的较闭合边缘,又能保证良好的用户界面及性能。     

基于拼片置乱与数学形态运算的伪装迷彩算法

为快速有效地生成针对实地环境伪装的数码迷彩,提出基于背景拼片置乱的迷彩生成方案。算法过程中结合了Logistic混沌映射置乱和图像FCM颜色聚类方法,并运用灰度数学形态学的"开-闭"复合运算对迷彩纹理进行修正,最终实现环境伪装数码迷彩的自适应生成。实验证明,该方法实时高效,生成的迷彩有效地摒弃了易辨识的局部图案特征而保留了环境纹理特征和环境颜色特征,具有较强的实地伪装隐蔽功能。     

基于解剖学特征的乳腺X线图像胸肌分割

提出了基于解剖学特征(纹理特征和形状特征)的乳腺X线图像胸肌区域分割方法. 融合边缘信息到谱聚类算法得到过分割图像. 根据区域的亮度分布和胸肌的三角形状特征,提出区域聚合算法, 从过分割图像中识别出胸肌边缘.该方法在322幅mini-MIAS (Mammographic image analysis society)乳腺图像和50幅北京大学人民医院乳腺中心乳腺图像上进行验证, 实验结果表明,该方法对不同大小、形状和亮度的胸肌分割具有较强的鲁棒性.