2014年第三届数学建模国际赛小美赛B题全地形伪装解题全过程文档及程序

2014年第三届数学建模国际赛小美赛

B题 全地形伪装

原题再现:

  破坏性着色在军事用途中很常见,用于军用车辆、士兵制服和装备。视觉是人类的主要方向感,伪装的主要功能是欺骗人眼。军事服装中存在大量的伪装图案,以适应作战服装与特殊地形(如林地、雪地、沙漠)的匹配需要。一些伪装图案设计用于各种条件。请建立一个模型来分析各种图案的低能见度效果,开发一种定量的伪装效果评估方法,并设计出适合大多数环境的理想伪装织物图案。
  除了你的格式化解决方案,准备一个一到两页的广告页网站突出你的设计和伪装效果。

整体求解过程概述(摘要)

  战士在各种地貌环境中作战,往往需要与周围环境交融,穿着迷彩服,隐藏自己。因而有丛林迷彩、沙漠迷彩、雪地迷彩等多种迷彩服装。迷彩服具有优异的性能,适合不同地理环境的迷彩“全地形迷彩”。迷彩发射迫在眉睫。

  基于遗传算法的伪装图案优化设计模型首先讨论了目标背景色差对伪装效果的影响。考虑色差时的前向能见度表达式和计算方法,以及考虑色差时的大气透明状态分析结果和计算结果,得出不同条件下不同参数对我们伪装的初步结论。为了解决迷彩图案设计问题,在分析遗传算法特点的基础上,分析了影响迷彩图案设计颜色、形状和纹理等因素,利用层次分析法和基于信息熵的权重计算模型对目标函数进行研究,建立了迷彩图案的优化设计模型,结合面积、亮度和对比度、光斑大小、纹理等阈值距离约束,采用遗传算法求解目标函数。

  为了定量评价伪装效果,提出了一种基于傅里叶变换的纹理分析方法。利用MATLAB软件进行分析,首先指出了伪装效果评价过程中存在的指标权重因素,建立了指标权重分布信息熵模型和基于指标体系的层次聚类算法,对样本矩阵构建指标对象的归一化。根据归一化矩阵,建立样本对象索引相似度矩阵。即通过大量的实验结果对各个指标进行权重计算,然后通过权重矩阵得到所设计的伪装图像的伪装效果进行综合定量分析。算例表明,伪装设计在沙漠、林地和城市特定作业区的全地形伪装效果并不突出,但综合加权统计效果明显。实际测量值与典型的多背景匹配,验证了该方法的有效性。

模型假设:

  (1) 使用几种简单的颜色来模拟自然背景纹理;

  (2) 选取多种典型背景图像,模拟各种地形、地理战场环境;

  (3) 傅里叶变换谱基本上没有无噪声;

问题重述:

  色彩的破坏性使用在军事上非常普遍,如军用车辆、军服和士兵装备等。伪装的主要功能是欺骗人眼。战士在各种地形环境中作战,往往需要穿着迷彩服与周围环境融合才能隐藏自己,因而有丛林迷彩、沙漠迷彩、雪地迷彩等多种迷彩服。

  根据作战区域的背景光谱特征,海军陆战队采用丛林和沙漠两种色调的迷彩作战服,前者采用绿色渐变图案,主要用于森林或丛林作战,而采用棕色匹配的棕褐色沙漠迷彩用于干旱地区作战。

  为了满足跨区域伪装作战的需要,在伪装图案设计中提出了通用伪装图案的概念,即利用数字化伪装在多环境下具有良好的适应性,以满足不同区域伪装的作战要求。鉴于黑色在自然界并不常见,观察夜视后会形成非常清晰的轮廓,所以伪装图案排除黑色。通用伪装图案的伪装效果并不突出,在特定的地理防治荒漠化、森林和城市等方面,但经过整体加权统计后效果更为显著。

  这就要求我们设计出适合多地形环境的“全地形伪装”是积极发展起来的,具有优异的伪装服性能,并针对不同地理环境引入伪装,步骤如下:

  (1) 建立了模型,分析了各种模式对各种低能见度的影响,提出了伪装效果的定量评价方法。

  (2) 为大多数环境设计理想的迷彩纺织图案。

  (3) 除了格式化解决方案,准备你的表一个网站的一到两页的设计和突出你的伪装效果。

模型的建立与求解整体论文缩略图

在这里插入图片描述
在这里插入图片描述

全部论文请见下方“ 只会建模 QQ名片” 点击QQ名片即可

部分程序代码:(代码和文档not free)

load A ; 
[ V, D] = eig s( A) ;
tbmax= max ( D( : ) ) ; 
[ m, n] = size( V ) ; 
RI = [ 0. 00 0. 00 0. 58 0. 90 1. 12 1. 24 1. 32 1. 41 1. 45] ;
CI = ( tbmax- n) / ( n- 1) ;
CR = CI / RI ( 1, n) ;
clc, clear
load zbg j 
Y = pdist( X , 'minkowski') ;
YC = squar efo rm( Y)
Z = linkage( Y, 'sing le')
[ h, t] = dendr og ram( Z) ;
C = co phenet( Z, Y)
clc, clear 
load x ; 
et a = [ 0. 2498 0. 0220 0. 0665 0. 0513 0. 1614 0. 0981 0.
0719 0. 0207 0. 0985 0. 0608 0. 0136 0. 0294 0. 0560 ] ;
f = ones( 13, 6) ;
fo r j = 1: 1 :13
end 
Gray = imread('F:\1.jpg');
[M,N,O] = size(Gray);
M = 128; 
N = 128;
for i = 1:Mfor j = 1:Nfor n = 1:256/16if (n-1)*16<=Gray(i,j)&Gray(i,j)<=(n-1)*16+15Gray(i,j) = n-1;endendend
end
for m = 1:16for n = 1:16for i = 1:Mfor j = 1:Nif j<N&Gray(i,j)==m-1&Gray(i,j+1)==n-1P(m,n,1) = P(m,n,1)+1;P(n,m,1) = P(m,n,1);endif i>1&j<N&Gray(i,j)==m-1&Gray(i-1,j+1)==n-1P(m,n,2) = P(m,n,2)+1;P(n,m,2) = P(m,n,2);endif i<M&Gray(i,j)==m-1&Gray(i+1,j)==n-1P(m,n,3) = P(m,n,3)+1;P(n,m,3) = P(m,n,3);endif i<M&j<N&Gray(i,j)==m-1&Gray(i+1,j+1)==n-1P(m,n,4) = P(m,n,4)+1;P(n,m,4) = P(m,n,4);endendendif m==nP(m,n,:) = P(m,n,:)*2;endend
end
for n = 1:4P(:,:,n) = P(:,:,n)/sum(sum(P(:,:,n)));
end
H = zeros(1,4);
I = H;
Ux = H; Uy = H;
deltaX= H; deltaY = H;
C =H;
for n = 1:4E(n) = sum(sum(P(:,:,n).^2)); for i = 1:16for j = 1:16if P(i,j,n)~=0H(n) = -P(i,j,n)*log(P(i,j,n))+H(n); endI(n) = (i-j)^2*P(i,j,n)+I(n); Ux(n) = i*P(i,j,n)+Ux(n);Uy(n) = j*P(i,j,n)+Uy(n); endend
end
for n = 1:4for i = 1:16for j = 1:16deltaX(n) = (i-Ux(n))^2*P(i,j,n)+deltaX(n);deltaY(n) = (j-Uy(n))^2*P(i,j,n)+deltaY(n); C(n) = i*j*P(i,j,n)+C(n); endendC(n) = (C(n)-Ux(n)*Uy(n))/deltaX(n)/deltaY(n); 
end
a1 = mean(E) 
b1 = sqrt(cov(E))
a2 = mean(H) 
b2 = sqrt(cov(H))
a3 = mean(I) 
b3 = sqrt(cov(I))
a4 = mean(C)
b4 = sqrt(cov(C))
msgbox({'1.:a1=',num2str(a1),'b1=',num2str(b1),'',num2str(a2),'b2=',num2str(b2),'a3 =
',num2str(a3),'b3=',num2str(b3),'a4 = ',num2str(a4),'b4=',num2str(b4),' E=',num2str(E),'H =
',num2str(H),'I=',num2str(I),'C=',num2str(C)},'纹理特征');
全部论文请见下方“ 只会建模 QQ名片” 点击QQ名片即可

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.rhkb.cn/news/226563.html

如若内容造成侵权/违法违规/事实不符,请联系长河编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

运动目标检测方法的概述

目录 ① 光流法 ② 帧差法 ③ 背景差分法 ④ 混合高斯模型法 ⑤ 总结 运动目标检测技术的应用十分的广泛&#xff0c;尤其是在智能视频监控领域。运动目标检测为后续的图像处理等操作提供了基础&#xff0c;在某种程度上&#xff0c;决定了整个系统的性能。运动目标检测&a…

三列布局 css

实现如下图的三列布局&#xff1a; .box {width:1400px;margin:0 auto;padding-bottom:40px;> .left {float:left;width:180px;margin-top:100px;text-align:center;}> .center {float:left;margin-top:100px;margin-left:130px;item-box {float:left;text-align:left;…

自动化网络故障修复管理

什么是故障管理 故障管理是网络管理的组成部分&#xff0c;涉及检测、隔离和解决问题。如果实施得当&#xff0c;网络故障管理可以使连接、应用程序和服务保持在最佳水平&#xff0c;提供容错能力并最大限度地减少停机时间。专门为此目的设计的平台或工具称为故障管理系统。 …

鸿蒙系列--组件介绍之其他基础组件(上)

上回介绍了基础组件中最常用的组件常用的基础组件&#xff0c;接下来还有其他基础组件 一、Blank 描述&#xff1a;空白填充组件 功能&#xff1a;在容器主轴方向上&#xff0c;具有自动填充容器空余部分的能力。只有当父组件为Row/Column时生效 子组件&#xff1a;无 Blan…

nodejs微信小程序+python+PHP的物流快递管理系统的设计与实现-计算机毕业设计推荐

目 录 摘 要 I ABSTRACT II 目 录 II 第1章 绪论 1 1.1背景及意义 1 1.2 国内外研究概况 1 1.3 研究的内容 1 第2章 相关技术 3 2.1 nodejs简介 4 2.2 express框架介绍 6 2.4 MySQL数据库 4 第3章 系统分析 5 3.1 需求分析 5 3.2 系统可行性分析 5 3.2.1技术可行性&#xff1a;…

win11 如何在自己的电脑上配置本地服务器,让你可以通过http的方式访问文件和图片

首先&#xff0c;打开控制面板&#xff0c;找到"程序和功能"点击打开。 找到“Internet Information Services”(Internet信息服务)&#xff0c;将它的子项及子项的子项全部勾选&#xff0c;点击确定。 回到控制面板&#xff0c;将查看方式改为“大图标”或者“小图…

从实际业务问题出发去分析Eureka-Server端源码

文章目录 前言1.EnableEurekaServer2.初始化缓存3.jersey应用程序构建3.1注册jeseryFilter3.2构建JerseyApplication 4.处理注册请求5.registry&#xff08;&#xff09; 前言 前段时间遇到了一个业务问题就是k8s滚动发布Eureka微服务的过程中接口会有很多告警&#xff0c;当时…

【Unity地形】使用地形工具创建场景环境-Terrain

如上图Unity的地形工具可以让我们实现创建复杂、丰富的3D室外环境。 我们创建地形很简单&#xff0c;在层级面板中右键-3Dobject-Terrain 就可以创建一个默认的地形模型&#xff01;这个模型是Unity内置的。 接下来的地形编辑功能全部集中在这个地形的组件上 主要功能如下&…

SpringBoot 项目中常用的注解

每一层对应每个包&#xff0c;包名中应全为小写。 一、Common 层&#xff08;实体类&#xff09; 前提&#xff1a;导入 Lombok 依赖 Data&#xff1a;生成 get 和 set 方法以及 toString 方法 Getter&#xff1a;只生成 get 方法&#xff0c;避免对类中的成员变量修改。 …

AVL树(超详解)

文章目录 前言AVL树的概念AVL树的实现定义AVL树insert 单旋左单旋右单旋左单旋代码右单旋代码 双旋左右双旋右左双旋 测试AVL树的性能 前言 AVL树是怎么来的呢&#xff1f; 我们知道搜索二叉树会存在退化问题&#xff0c;退化以后就变成单支或者接近单支。 它的效率就变成O(N)…

Matplotlib找不到Times New Roman的解决方案

问题背景 在使用seaborn或者matplotlib进行论文画图的时候&#xff0c;一般都会用Times New Roman这个字体&#xff0c;但是在Linux系统里&#xff0c;经常会遇到以下的问题: findfont: Font family [Times New Roman] not found. Falling back to DejaVu Sans. 也就是说找不…

零代码也能玩出花:Mugeda在H5设计中的魔法力量

文章目录 一、Mugeda零代码可视化H5设计工具简介二、Mugeda零代码可视化H5设计实战案例1. 注册并登录Mugeda账号2. 选择模板3. 编辑页面内容4. 添加动画效果5. 预览和发布 三、Mugeda零代码可视化H5设计的优势《Mugeda零代码可视化H5设计实战》内容简介作者简介目录前言/序言 随…

【人工智能Ⅰ】实验9:BP神经网络

实验9 BP神经网络 一、实验目的 1&#xff1a;掌握BP神经网络的原理。 2&#xff1a;了解BP神经网络的结构&#xff0c;以及前向传播和反向传播的过程。 3&#xff1a;学会利用BP神经网络建立训练模型&#xff0c;并对模型进行评估。即学习如何调用Sklearn中的BP神经网络。…

基于openGauss5.0.0全密态数据库等值查询小案例

基于openGauss5.0.0全密态数据库等值查询小案例 一、全密态数据库简介二、环境说明三、测试步骤四、使用约束 一、全密态数据库简介 价值体现&#xff1a; 密态数据库意在解决数据全生命周期的隐私保护问题&#xff0c;使得系统无论在何种业务场景和环境下&#xff0c;数据在传…

【经验分享】日常开发中的故障排查经验分享(一)

目录 简介CPU飙高问题1、使用JVM命令排查CPU飙升100%问题2、使用Arthas的方式定位CPU飙升问题3、Java项目导致CPU飙升的原因有哪些&#xff1f;如何解决&#xff1f; OOM问题&#xff08;内存溢出&#xff09;1、如何定位OOM问题&#xff1f;2、OOM问题产生原因 死锁问题的定位…

利用html2Canvas将表格下载为html

给到我的需求是点击按钮时请求后端接口&#xff0c;根据后端返回的数据&#xff0c;生成表格,并将表格的内容直接下载为html,如下图。 平常做的下载都是后端返回二进制流&#xff0c;这次前端做下载那就必须把页面先画出来&#xff0c;因为下载下来的表格在页面上是不显示的&a…

[RoarCTF2019] TankGame

不多说&#xff0c;用dnspy反编译data文件夹中的Assembly-CSharp文件 使用分析器分析一下可疑的FlagText 发现其在WinGame中被调用&#xff0c;跟进WinGame函数 public static void WinGame(){if (!MapManager.winGame && (MapManager.nDestroyNum 4 || MapManager.n…

1.DQL查询数据(超重点)以及distinct(去重)

DQL(Data Query Language:数据查询语言) 1.所有查询操作都用 SELECT 2.无论是简单的查询还是复杂的查询它都能做 3.数据库中最核心的语言&#xff0c;最重要的语句 4.使用频率最高的语句 语法&#xff1a; SELECT 字段1&#xff0c;字段2&#xff0c;……FROM 表 有时候…

Go 泛型之泛型约束

Go 泛型之泛型约束 文章目录 Go 泛型之泛型约束一、引入二、最宽松的约束&#xff1a;any三、支持比较操作的内置约束&#xff1a;comparable四、自定义约束五、类型集合&#xff08;type set&#xff09;六、简化版的约束形式七、约束的类型推断八、小结 一、引入 虽然泛型是…

Jenkins Tutorial

什么是Jenkins Jenkins是一个自动化平台&#xff0c;它允许你使用pipelines去部署应用。它也可以自动化其他任务。 BUILDTESTDEPLOYMENT Jenkins 架构 首先&#xff0c;你拥有一个Master Server&#xff0c;它控制pipelines和安排Build到你的Agent上&#xff1b; 其次&…