甘源瀅，劉春桐，李洪才，馬世欣

(火箭軍工程大學(xué) 導(dǎo)彈工程學(xué)院，陜西 西安 710025)

引言

在現(xiàn)代化戰(zhàn)爭中，偽裝作為干擾敵軍探測、保護(hù)我方作戰(zhàn)設(shè)備及人員的有效手段，一直是國防領(lǐng)域的研究熱點(diǎn)[1-3]。層出不窮的高精尖技術(shù)偵察設(shè)備對偽裝技術(shù)的發(fā)展不僅是挑戰(zhàn)，也是促進(jìn)[4-5]。事先對現(xiàn)役主戰(zhàn)裝備的偽裝效果進(jìn)行評估，有利于改進(jìn)我方在現(xiàn)代化作戰(zhàn)中所暴露的不足，而客觀有效的評估標(biāo)準(zhǔn)則有利于指導(dǎo)、改進(jìn)偽裝技術(shù)，從而加快作業(yè)速度，提高戰(zhàn)場生存能力[6-7]。偽裝評估模型根據(jù)目標(biāo)屬性不同可以分為靜態(tài)偽裝效果評估和動(dòng)態(tài)偽裝效果評估兩類。前者是針對偽裝目標(biāo)在固定場景隱蔽性能的評估，后者則是用于綜合偽裝目標(biāo)在機(jī)動(dòng)作業(yè)狀態(tài)下的暴露概率。

傳統(tǒng)的評價(jià)指標(biāo)線性加權(quán)模型憑借其信息易獲取、模型易構(gòu)建以及數(shù)據(jù)易計(jì)算等優(yōu)點(diǎn)，廣泛應(yīng)用于光學(xué)圖像偽裝效果評估。該方法的核心思想是選取恰當(dāng)?shù)脑u價(jià)指標(biāo)描述偽裝目標(biāo)和背景間的相似度[8-20]，因計(jì)算過程過于簡單，缺乏理論基礎(chǔ)，王賀等利用容限近集理論[21-24]中的感知容限關(guān)系描述偽裝目標(biāo)與背景的不可分辨性，但模型參數(shù)的快速確定成為新問題。20世紀(jì)末，神經(jīng)網(wǎng)絡(luò)的引入[25-30]打破了光學(xué)圖像偽裝評估的傳統(tǒng)，憑借其在訓(xùn)練中能改變指標(biāo)權(quán)重的特點(diǎn)，使得評估模型能夠在訓(xùn)練學(xué)習(xí)中不斷更新?？紤]到現(xiàn)代化戰(zhàn)場的生存法則，基于有限時(shí)間搜索模型為偽裝效果評估開辟了一條新道路[31-38]。由于偽裝效果的評估結(jié)果為偽裝圖案的設(shè)計(jì)提供了可靠依據(jù)，因此將偽裝評估轉(zhuǎn)換為多屬性決策問題[39-46]能夠有效選取融合度最高的偽裝圖案。

以上相關(guān)研究均基于靜態(tài)偽裝效果評估，雖然取得了一定的研究進(jìn)展，但系統(tǒng)的總結(jié)和分析仍然相對欠缺。除此之外，無論是作戰(zhàn)人員或裝備，在戰(zhàn)場中都處于機(jī)動(dòng)作業(yè)狀態(tài)，目前對于復(fù)雜背景下運(yùn)動(dòng)目標(biāo)的偽裝效果評估[47-48]尤其匱乏。有鑒于此，論文系統(tǒng)地闡述了光學(xué)偽裝效果評估模型，綜述了國內(nèi)外的研究成果，依次對幾種典型方法進(jìn)行分析，并提出靜、動(dòng)態(tài)目標(biāo)基于光學(xué)圖像偽裝效果評估模型未來發(fā)展所面臨的關(guān)鍵問題。

1 靜態(tài)光學(xué)圖像偽裝評估

傳統(tǒng)的光學(xué)偽裝評估方法從三個(gè)方面考慮[3]，一是偽裝目標(biāo)的視度(能見度)計(jì)算，即偽裝目標(biāo)可被探測設(shè)備發(fā)現(xiàn)的距離閾值；二是偽裝目標(biāo)與四周區(qū)域背景之間的相似性度量；三是偽裝目標(biāo)的光學(xué)發(fā)現(xiàn)概率：由若干名專家在給定觀測距離上采用裸眼或光學(xué)偵察器材觀察目標(biāo)，經(jīng)判讀得到發(fā)現(xiàn)概率，用于偽裝效果的評估。其中視度計(jì)算與客觀天氣、大氣環(huán)境相關(guān)，發(fā)現(xiàn)概率受觀察者主觀因素影響，二者的共同點(diǎn)在于可控參數(shù)少，一經(jīng)確定時(shí)間、環(huán)境及觀測人員，視度和發(fā)現(xiàn)概率均為定值，即無法有效實(shí)現(xiàn)定量的偽裝效果評估。為此，專家學(xué)者的研究重點(diǎn)旨在定量描述目標(biāo)與背景之間的相似度。

1.1 評價(jià)指標(biāo)線性加權(quán)模型

評價(jià)指標(biāo)是用來描述區(qū)別目標(biāo)和背景的典型性特征，為解決單一指標(biāo)缺乏客觀性的問題[8-9]，WANG J.等人開始綜合多指標(biāo)進(jìn)行偽裝效果評估[10]，該方法可歸納為評價(jià)指標(biāo)的線性加權(quán)模型。該模型針對特定的背景和目標(biāo)選取具有代表性指標(biāo)進(jìn)行加權(quán)求和，得到綜合評價(jià)指標(biāo)，實(shí)現(xiàn)對偽裝效果的定量評估，一般表現(xiàn)形式為

(1)

式中:Ie表示綜合評價(jià)指標(biāo)；wi為第i個(gè)指標(biāo)Ii對應(yīng)的權(quán)重值。

在線性加權(quán)模型中，首先選擇具有代表性的目標(biāo)和背景特征向量，包括顏色、亮度、紋理、形狀、空間結(jié)構(gòu)[11-16]等，除此之外，隨著成像光譜儀的誕生，基于光譜圖像[17]的偽裝效果評估順勢占據(jù)主導(dǎo)地位，而光譜特征[18-20]則成為評價(jià)指標(biāo)體系中必不可少的成員，將一系列特征指標(biāo)進(jìn)行初始量化后，了解各指標(biāo)間的關(guān)系以及不同指標(biāo)對評估結(jié)果的影響程度，采用客觀構(gòu)權(quán)法確定各指標(biāo)的權(quán)重。

評價(jià)指標(biāo)體系包含了有限多個(gè)描述目標(biāo)表面屬性的指標(biāo)，不同指標(biāo)對應(yīng)的特征物理意義各不相同，且有其特定的變化規(guī)律，采用高斯歸一化方法對評價(jià)指標(biāo)體系各項(xiàng)進(jìn)行預(yù)處理，將所有特征信息限定在同一變化幅值范圍內(nèi)，在進(jìn)行相似性度量時(shí)確保各項(xiàng)指標(biāo)具有相同地位等級。在實(shí)際應(yīng)用中，考慮到各指標(biāo)對效果評估結(jié)果的影響力不盡相同，而評價(jià)指標(biāo)體系可以看作是一種描述目標(biāo)相關(guān)信息的運(yùn)載體，結(jié)合信息論與熱力學(xué)中熵的定義，根據(jù)各指標(biāo)提供給決策者的信息量大小確定各指標(biāo)權(quán)重，這個(gè)構(gòu)權(quán)過程即熵權(quán)法[12]。該方法確定的權(quán)重系數(shù)大小體現(xiàn)的是同一層次指標(biāo)體系內(nèi)的相互關(guān)系及重要程度，并非某項(xiàng)指標(biāo)在實(shí)際意義上的重要性系數(shù)，而且這種方法對樣本數(shù)據(jù)的完整性要求過高。

1.2 感知容限關(guān)系相似度模型

偽裝效果評估研究目標(biāo)與背景的相似度判定，即研究粗糙集理論中的對象不可分辨性，容限近集理論[21-22]就建立在這個(gè)思想上?；谌菹藿碚摰膫窝b效果評估最重要的是找出所有容限近集類[23-24]。

具體思路如下：首先將待分析圖像(單幅或多幅)分割成相同尺寸的若干子圖，并用合理的方式選擇評價(jià)指標(biāo)分別對每個(gè)子圖進(jìn)行描述，反復(fù)計(jì)算每個(gè)子圖與其余子圖的感知容限關(guān)系?B,ε，最后通過計(jì)算ftNM?B,ε(簡記為tNM)得到待測目標(biāo)與背景之間的近似測量值并對應(yīng)偽裝效果的優(yōu)劣，tNM值越大，相似度越高[11]。

1.3 BP神經(jīng)網(wǎng)絡(luò)評估模型

評價(jià)指標(biāo)之間不止存在橫向并列關(guān)系，也有可能存在縱向遞進(jìn)關(guān)系，簡單的線性加權(quán)模型無法描述不同評價(jià)指標(biāo)之間的復(fù)雜非線性關(guān)系，這是影響傳統(tǒng)評估方法客觀有效性的重要原因。

神經(jīng)網(wǎng)絡(luò)在學(xué)習(xí)及訓(xùn)練過程中改變突觸權(quán)重值的特點(diǎn)，使其具有較強(qiáng)的自適應(yīng)和自組織能力?？紤]到評價(jià)指標(biāo)的復(fù)雜非線性關(guān)系，Traven H. G.等專家學(xué)者采用神經(jīng)網(wǎng)絡(luò)[25]構(gòu)建評估模型，隨后國內(nèi)學(xué)者[26-27]也將融合后的評價(jià)指標(biāo)體系作為神經(jīng)網(wǎng)絡(luò)的輸入，并將已知對應(yīng)樣本評估結(jié)果作為網(wǎng)絡(luò)的期望輸出，傳輸路徑從“輸入層→若干隱層→輸出層”，得到實(shí)際輸出并與期望值比較，若誤差大于設(shè)定閾值則對各隱層的權(quán)重值進(jìn)行反饋修正，如此進(jìn)行大量訓(xùn)練得到優(yōu)化后的模型，偽裝評估效果真實(shí)度和可靠性較高。其評估模型的工作流程如圖1所示。

圖1 神經(jīng)網(wǎng)絡(luò)模型評估流程圖Fig.1 Evaluation flow chart of neural network model

如圖1所示，神經(jīng)網(wǎng)絡(luò)模型用于偽裝效果評估分為三個(gè)主要階段，學(xué)習(xí)階段和訓(xùn)練階段是保證評估模型客觀準(zhǔn)確的關(guān)鍵，神經(jīng)網(wǎng)絡(luò)的優(yōu)勢在于可以通過學(xué)習(xí)和訓(xùn)練使得模型中指標(biāo)權(quán)重參數(shù)不斷修正和完善，使得評估結(jié)果真實(shí)可靠。除此之外，Gretzmacher等提出訓(xùn)練神經(jīng)網(wǎng)絡(luò)模型的核心因素不止是評價(jià)指標(biāo)的選取，觀測者對于感興趣區(qū)域的關(guān)注力度也是需要深入研究的一個(gè)分支[28]。Sten Nyberg進(jìn)一步研究了感興趣區(qū)域的大小對模型輸出的影響[29]。

神經(jīng)網(wǎng)絡(luò)模型的優(yōu)勢在于利用測試數(shù)據(jù)對模型進(jìn)行訓(xùn)練，從而評估未知目標(biāo)的偽裝效果。但訓(xùn)練樣本的數(shù)量和質(zhì)量與評估結(jié)果的準(zhǔn)確性成正比，而為模型提供大量可靠的已知樣本數(shù)據(jù)是神經(jīng)網(wǎng)絡(luò)偽裝評估模型的難點(diǎn)，這樣的矛盾關(guān)系限制了神經(jīng)網(wǎng)絡(luò)評估模型在軍事領(lǐng)域的廣泛應(yīng)用[30]。

1.4 人眼視覺注意機(jī)制

1.4.1 顯著性特征

由于人類視界范圍有限，在一定探測范圍內(nèi)，無法直接描述捕獲目標(biāo)的顯著性特征的時(shí)間順序，基于人類視覺感知系統(tǒng)的評估模型實(shí)現(xiàn)了主觀判決和客觀分析的有機(jī)結(jié)合[31-32]。但這一概念的提出拋出了兩個(gè)問題，一個(gè)是顯著性特征的提取，一個(gè)是有限時(shí)間探測。為解決第一個(gè)問題，Qi J.等提出了圖像分層概念，其核心思想是通過構(gòu)建高斯低通金字塔式的分層圖像，突出每層圖像的顯著性特征信息，定義中心層和邊緣層的映射相似度，加權(quán)得到綜合評價(jià)指標(biāo)最終顯著性映射[33]。

利用金字塔分層圖像提取顯著性特征時(shí)，遍歷中心層和邊緣層對應(yīng)的每一個(gè)屬性的差異度，因?yàn)樽罱K的顯著性特征指標(biāo)是通過線性加權(quán)歸類得到的，可以根據(jù)1.1節(jié)介紹的線性加權(quán)模型來獲得適合各項(xiàng)指標(biāo)的權(quán)重系數(shù)。

考慮到前景目標(biāo)內(nèi)部的特征信息被探測的難易程度也是評估方法的一項(xiàng)重要指標(biāo)，F(xiàn)eng Xue等計(jì)算前景與背景之間的特征直方圖，以此獲得顯著性特征，并將前景與背景之間的差異性和目標(biāo)內(nèi)部的特異性進(jìn)行非線性融合，從而更完整的描述待評估圖像的特征信息[34]。但非線性融合的參數(shù)需要實(shí)驗(yàn)確定，尋找科學(xué)合理的方法獲取參數(shù)值是該方法面臨的問題之一。

1.4.2 有限時(shí)間發(fā)現(xiàn)概率模型

現(xiàn)代化戰(zhàn)爭遵循“快”吃“慢”的規(guī)則，能夠在完成作戰(zhàn)任務(wù)前不被敵方偵察鎖定，偽裝的作戰(zhàn)行動(dòng)就能得到基本保障。Timothy C.等提出了時(shí)間限制搜索(TLS)模型在目標(biāo)檢測中的發(fā)展和應(yīng)用[35]，該模型是為了更好地描述觀察者在時(shí)間約束條件下的搜索行為而建立的。搜索過程的3個(gè)主要組成部分是：1) 平均檢測時(shí)間(圖像的特征)；2) 與虛警、誤警信息相關(guān)的出現(xiàn)時(shí)間；3) 在進(jìn)入另一個(gè)視場(FOV)之前搜索視場所花費(fèi)的時(shí)間。

Tana Maurer等指出TLS模型描述了觀察者在典型視場切換過程中的搜索響應(yīng)[36]，大面積的搜索通常使用寬視場(WFOV)，而感興趣的區(qū)域則用窄視場(NFOV)進(jìn)行探測。寬視場用于探測感興趣區(qū)域，窄視場用于確定潛在目標(biāo)的屬性，若反饋給系統(tǒng)虛警(FA)，則返回寬視場探測。這個(gè)搜索過程時(shí)間線如圖2所示。

圖2 TLS模型搜索過程時(shí)間線Fig.2 Search process timeline of TLS model

采用發(fā)現(xiàn)概率表征偽裝目標(biāo)在被探測過程中顯著性特征被偵察的先后順序[37-38]。有限時(shí)間搜索模型的概念是建立在經(jīng)驗(yàn)公式之上，且人眼對偽裝目標(biāo)的發(fā)現(xiàn)概率依賴于觀測時(shí)間，會(huì)隨時(shí)間增加而增加。

基于有限時(shí)間搜索模型的偽裝效果評估的重要意義在于，它反映了偽裝目標(biāo)暴露可能性在時(shí)間域的連續(xù)性，且符合人眼判別機(jī)制，尤其符合現(xiàn)代化戰(zhàn)場的生存法則，為軍事目標(biāo)的評估模型開創(chuàng)了一個(gè)新的方向。

1.5 多屬性決策模型

上述評估方法建立在單一的目標(biāo)和背景之間，若已知偽裝要求及偽裝等級，且存在多個(gè)偽裝樣本，采用不同評價(jià)指標(biāo)評估偽裝效果實(shí)際上就屬于多屬性決策問題[39-40]。區(qū)別于用綜合評價(jià)指標(biāo)描述偽裝效果的方法，該模型首先需確定偽裝效果等級，定義決策方案集和評價(jià)指標(biāo)組成的屬性集，并將兩個(gè)集合實(shí)現(xiàn)多對多組合生成決策矩陣，最后通過計(jì)算加權(quán)灰關(guān)聯(lián)系數(shù)對模型求解，過程如圖3所示：

圖3 多屬性決策模型流程圖Fig.3 Flow chart of multi-attribute decision-making model

考慮到屬性權(quán)重信息的不確定性以及屬性對方案的隸屬度問題，Atanassov在Zadeh模糊集理論[41]的基礎(chǔ)上提出直覺模糊集[42]，基本覆蓋所研究方案屬性的全部信息，在此基礎(chǔ)上，Atanassov等又提出了區(qū)間直覺模糊集[43]，將隸屬度限定在[0,1]閉子區(qū)間內(nèi)，進(jìn)一步增強(qiáng)直覺模糊集處理不確定信息的能力。

方浩等人利用直覺模糊集構(gòu)建多屬性決策模型，將各屬性指標(biāo)對于方案(即偽裝效果等級)的隸屬與非隸屬程度歸納為決策矩陣，并根據(jù)偽裝等級定義正、負(fù)理想方案。多屬性決策過程本質(zhì)上也是一種距離計(jì)算，通過計(jì)算不同方案與預(yù)設(shè)正、負(fù)理想方案之間的距離，表征二者之間的相似度關(guān)系，每個(gè)屬性遍歷后將所有結(jié)果進(jìn)行排序，得到逼近理想解的最優(yōu)決策方案。從評估流程可以發(fā)現(xiàn)，該模型的特點(diǎn)是“自底向上”，用結(jié)果匹配待分析方案，將確定偽裝等級與決策矩陣中的方案進(jìn)行接近度計(jì)算，即解決偽裝等級范圍內(nèi)的凸優(yōu)化問題[44-45]。

模糊熵用來刻畫模糊集的信息量大小，Chen等系統(tǒng)分析了直覺模糊熵的不同測度對屬性權(quán)重的影響，得出屬性數(shù)量與屬性權(quán)重分配之間的關(guān)系，并提出基于信息的可信度計(jì)算屬性權(quán)重的方法。因此，下一步可以考慮將模糊熵應(yīng)用于評估模型中[46]。

2 模型比較分析

綜合以上相關(guān)研究的進(jìn)展和動(dòng)態(tài)，靜目標(biāo)偽裝評估模型根據(jù)不同思路和方法主要可歸結(jié)為四類(見表1)：

1) 線性加權(quán)模型：其處理策略基于目標(biāo)偽裝前后的差異，依據(jù)不同側(cè)重點(diǎn)，將具有代表性的評價(jià)指標(biāo)以不同權(quán)重整合，得到量化后的偽裝效果分析。

2) BP神經(jīng)網(wǎng)絡(luò)：基于不同特征學(xué)習(xí)具有差異度的樣本，融合訓(xùn)練后求同存異，使得模型具有自適應(yīng)性。但由于樣本不足的問題，其難點(diǎn)在于精確模型的建立。

3) 視覺注意機(jī)制：采用顯著性特征作為偽裝目標(biāo)屬性，然后利用發(fā)現(xiàn)時(shí)間反映暴露概率，可全面描述不同效果的偽裝目標(biāo)在影像空間上的分布情況和暴露順序。

4) 多屬性決策：計(jì)算不同方案與理想正負(fù)方案之間的距離描述不同樣本之間的偽裝效果優(yōu)劣。不同于上述三種模型，多屬性模型的使用前提是已知偽裝評估等級，且其適用于多個(gè)待評估樣本間的分析。

表1 靜態(tài)光學(xué)圖像偽裝評估模型Table 1 Camouflage evaluation models of static optical image

3 動(dòng)目標(biāo)偽裝效果評估

目前現(xiàn)役主戰(zhàn)裝備在機(jī)動(dòng)狀態(tài)下大都處于復(fù)雜多變的環(huán)境中，而動(dòng)態(tài)場景中目標(biāo)的偽裝效果評估是目前亟待解決的問題。一方面，由于動(dòng)目標(biāo)偽裝效果評估的先驗(yàn)信息嵌于序列圖像中，且運(yùn)動(dòng)背景隨時(shí)間變化，直接沿襲靜目標(biāo)偽裝效果評估方法，通過計(jì)算前景與變化背景間的相似度來評估動(dòng)目標(biāo)不可避免存在一定的困難。另一方面，對動(dòng)態(tài)場景建模是動(dòng)目標(biāo)偽裝效果評估的核心，而在復(fù)雜的模型中真實(shí)地反映出數(shù)據(jù)的內(nèi)在本質(zhì)是動(dòng)目標(biāo)偽裝評估面臨的關(guān)鍵性問題。雖然，基于光學(xué)圖像的靜目標(biāo)偽裝效果評估模型已經(jīng)逐步成熟，并取得了較好的應(yīng)用效果，但鮮有學(xué)者對復(fù)雜背景下動(dòng)目標(biāo)的偽裝效果評估進(jìn)行建模。

偽裝本質(zhì)是應(yīng)對偵察設(shè)備對特定區(qū)域的探測?；诖耍谶\(yùn)動(dòng)背景下檢測動(dòng)目標(biāo)，將檢測結(jié)果的好壞程度用于評估偽裝效果，不僅使評估結(jié)果更客觀，而且動(dòng)目標(biāo)檢測過程耗用的時(shí)間也可以作為一項(xiàng)評估指標(biāo)，使得評估結(jié)果更全面。

總體來看，在動(dòng)態(tài)場景中檢測動(dòng)目標(biāo)的研究主要集中在兩個(gè)方面，一是通過對全局運(yùn)動(dòng)的估計(jì)和補(bǔ)償實(shí)現(xiàn)動(dòng)目標(biāo)檢測，二是基于光流約束方程，分析圖像序列中各像素間的時(shí)間域變化和特征信息相關(guān)性，確定前景和背景。

3.1 全局運(yùn)動(dòng)背景建模

全局運(yùn)動(dòng)模型是采用頑健性估計(jì)方法得到完全來自背景區(qū)域的特征像素點(diǎn)，用于估計(jì)全局運(yùn)動(dòng)模型參數(shù)，接著利用仿射模型將空間三維運(yùn)動(dòng)近似描述為二維平面運(yùn)動(dòng)，建立相鄰幀間具有近似運(yùn)動(dòng)狀態(tài)的像素間關(guān)系，實(shí)現(xiàn)相鄰幀間的背景匹配，由于仿射模型的有效性依賴于探測設(shè)備與目標(biāo)場景間的距離足夠遠(yuǎn)，所以全局運(yùn)動(dòng)模型的建立存在一定的局限性。同時(shí)，在模型參數(shù)估計(jì)的過程中，若存在部分前景目標(biāo)特征像素點(diǎn)，將嚴(yán)重影響運(yùn)動(dòng)模型精確度。

3.2 光流法

用特征矢量描述圖像序列檢測空間中的運(yùn)動(dòng)目標(biāo)，可以看作像素點(diǎn)特征信息在時(shí)域上的變化率，而這些矢量信息構(gòu)成了描述各像素點(diǎn)運(yùn)動(dòng)狀態(tài)的光流場?；诠饬鞣ǖ膭?dòng)目標(biāo)檢測的核心在于所建模型的生物合理性以及計(jì)算復(fù)雜度，根據(jù)不同的數(shù)學(xué)理論基礎(chǔ)可分為四種類型，如表2所示。

總體來看，基于光流法的目標(biāo)檢測精度和時(shí)效性無法兼得，將不同方法相互融合，取長補(bǔ)短，是未來光流法的應(yīng)用趨勢。并且隨著計(jì)算機(jī)視覺研究的不斷深入，神經(jīng)網(wǎng)絡(luò)方法也將成為光流法發(fā)展的一個(gè)重要方向。

表2 光流計(jì)算方法Table 2 Optical flow calculation methods

3.3 深度信息

以上所述檢測方法均針對單探測源，運(yùn)動(dòng)場景由圖像序列形式表現(xiàn)，將三維場景投影到二維圖像這個(gè)過程將導(dǎo)致信息丟失，若考慮立體相機(jī)，通過增加視差添加深度信息，可以減少三維到二維目標(biāo)投影的信息缺失，深度信息的使用能夠提高檢測的準(zhǔn)確性，但同時(shí)增加了計(jì)算量。由于深度信息的獲取是通過兩個(gè)或多個(gè)鏡頭獲取實(shí)時(shí)同步的圖像計(jì)算所得，而深度信息的精度和測距密切相關(guān)，深度信息的價(jià)值隨探測源與偽裝目標(biāo)之間距離的增加而減小。

4 結(jié)論

在實(shí)際應(yīng)用中，針對不同的目標(biāo)和背景選擇合適的評價(jià)指標(biāo)需要考慮的因素有很多，而指標(biāo)融合、構(gòu)建模型所涉及的方法方式都不是唯一確定的，因此，面臨復(fù)雜多變的場景，偽裝效果評估模型的建立仍舊存在很多關(guān)鍵問題，其中包括：

1) 神經(jīng)網(wǎng)絡(luò)模型的先驗(yàn)樣本有限且質(zhì)量不均一。由于實(shí)驗(yàn)平臺(tái)建立在室外，這種做法不僅耗時(shí)、操作難度大而且探測儀器的配合及觀測人員的主觀判斷都是影響神經(jīng)網(wǎng)絡(luò)模型學(xué)習(xí)和訓(xùn)練過程中樣本準(zhǔn)確度的因素。如何獲得足夠多的有效樣本使得神經(jīng)網(wǎng)絡(luò)訓(xùn)練達(dá)到更接近實(shí)際偽裝效果的評估結(jié)果是該方法面臨最大的問題。

2) 合理確定模型待定參數(shù)。文中介紹的大部分評估方法都包含有若干個(gè)待定參數(shù)，而這些參數(shù)大部分都是經(jīng)過重復(fù)性實(shí)驗(yàn)獲得，如何實(shí)現(xiàn)模型相關(guān)參數(shù)的快速確定，以及面臨復(fù)雜背景下參數(shù)自適應(yīng)成為下一步研究的難點(diǎn)與重點(diǎn)。

3) 運(yùn)動(dòng)目標(biāo)偽裝效果評估[47-48]。其背景區(qū)域隨目標(biāo)的運(yùn)動(dòng)產(chǎn)生變化，考慮到這種情況，基于靜態(tài)圖像的偽裝評估模型已無法滿足，下一步的研究方向可以考慮以下3個(gè)部分：1) 基于動(dòng)目標(biāo)檢測的偽裝效果評估；2) 基于1.4.2小節(jié)提出的有限時(shí)間搜索模型，考慮如何實(shí)現(xiàn)將時(shí)間因子加入視頻分析，增加模型應(yīng)用的時(shí)效性；3) 采用立體相機(jī)獲取場景內(nèi)偽裝目標(biāo)的深度信息，提高目標(biāo)與背景間的區(qū)分度。

偽裝效果評估在軍事領(lǐng)域具有重要的理論價(jià)值和應(yīng)用前景，是發(fā)展偽裝技術(shù)必不可少的研究內(nèi)容。論文對國內(nèi)外現(xiàn)有典型的基于光學(xué)圖像的偽裝效果評估模型進(jìn)行總結(jié)和分析，分析了不同模型的特點(diǎn)與不足，簡要闡述了光學(xué)圖像偽裝效果評估模型面臨的關(guān)鍵問題及發(fā)展趨勢，并提出各類偽裝模型參數(shù)的自適應(yīng)性，基于神經(jīng)網(wǎng)絡(luò)評估模型對樣本的依賴性以及針對運(yùn)動(dòng)目標(biāo)偽裝效果評估的時(shí)效性是下一步評估模型研究的重點(diǎn)。論文對光學(xué)圖像的偽裝效果評估模型的系統(tǒng)性介紹，對于了解目前市場上模型的成長現(xiàn)狀和未來發(fā)展趨勢有一定的指導(dǎo)性意義。