针对当前Deeplab v3+模型没有充分采用高分辨率的浅层特征出现的错误分割、遗漏分割等现象, 提出一种融合多尺度特征的改进Deeplab v3+特征图像语义分割算法。在主干网络中, 引入多尺度金字塔卷积; 将空洞空间卷积池化金字塔中的标准卷积替换为深度可分离卷积, 减少整体模型的参数量; 最后, 在解码层采用多尺度方法来捕捉获取全局背景, 将背景特征通过注意力机制, 再与浅层特征和空洞空间金字塔池化层结合, 丰富融合后的浅层特征语义信息。实验表明, 在CityScapes验证集中, 所提算法具有更好的边缘分割效果, 平均交并比达到了74.76%, 较原有算法提升了2.20%。通过与先进算法比较, 也证明所提算法应对改善错误分割、遗漏分割的有效性。
深度学习 语义分割 多尺度 注意力机制 迁移学习 deep learning semantic segmentation multi-scale attention mechanism transfer learning
针对实际作战需要, 提出一种方便实用的阵地选择模型, 并重点介绍了基于**地理信息系统的模型求解。该模型通过分析影响阵地选择的主要因素, 结合层次分析法确定各因素权值所需要满足的条件, 以此构造选择因素的指标评价系统。利用**地理信息系统对选择因素指标量化分级, 设计不同因素缓冲区, 以实现数据分析与查询、图层控制等可视化操作获取最佳阵地。实验结果表明, 该方法可直观获得符合要求的阵地, 较好地实现了最优阵地选择。
阵地选择 **地理信息系统 层次分析法 评价系统 缓冲区 position selecting MGIS Analytic Hierarchy Process(AHP) evaluation system buffer zone
针对阵地伪装的重要性, 提出一种新的伪装阵地构造方法。该方法通过GIS获取阵地地貌信息, 以阵地的典型特征地貌为原型, 结合各种约束条件提取其地形定量因子构造伪装阵地初始模型。利用随机中点位移法中的菱形-方形网算法进行迭代运算生成随机分形模型, 通过加权融合构造出伪装阵地精细模型。对该伪装阵地构造方法进行仿真实验, 实验结果表明, 该方法有效、可行, 能较好地构造伪装阵地。
阵地地貌 伪装 随机中点位移法 融合 position physiognomy camouflage GIS GIS random midpoint displacement fusion
1 西安交通大学 机械制造系统工程国家重点实验室，陕西 西安 710049
2 空军工程大学 导弹学院，陕西 西安 710051
3 西安工业大学 艺术与传媒学院，陕西 西安 710032
针对阵地地貌测量重构中的相机参数标定问题，基于相机的内参数模型提出了一种多相机并联阵地地貌测量标定方法。该方法基于主动视觉原理，利用测量支架在线性独立位置安装4部相机，并采用并联装置驱动相机同时拍摄，从而实现与三次独立线性平移效果相同的拍摄。根据该标定方法设计了阵地地貌测量标定实验，实验结果表明两个方向尺度因子比值的相对误差＜3.87%，主点坐标绝对误差在4个像素的范围内线性，畸变因子的变化范围在3倍以内，该方法方便、快捷，适合于阵地地貌测量的标定。
阵地地貌 地貌测量 相机标定 position topography topography measurement camera calibration 光学 精密工程
2009, 17(10): 2480
1 空军工程大学 导弹学院,陕西 三原 713800
2 中国人民解放军93448部队,天津 300270
针对兵器精确伪装时的伪装外形设计问题,提出一种新的伪装区域生成方法。该方法通过选取阵地的典型地貌特征作为伪装区域的原型,并以兵器的外形尺寸为约束对其进行缩放,建立起地貌发育模型。为使伪装区域达到随机变化的效果,利用分形方法生成了随机分形曲面,并利用一定的权值将缩放后的地貌模型曲面与分形曲面进行曲面融合,从而得到伪装区域。实验结果表明,该方法可有效生成符合伪装需求的伪装区域,实现了伪装区域与周围阵地地貌的良好融合。
分形 地貌特征 发育模型 伪装区域 fractal physiognomy characteristics growth model camouflage region
