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。

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。

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。