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

本文主要是介绍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,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

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

这篇关于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的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/542711

相关文章

使用C#代码计算数学表达式实例

《使用C#代码计算数学表达式实例》这段文字主要讲述了如何使用C#语言来计算数学表达式,该程序通过使用Dictionary保存变量,定义了运算符优先级,并实现了EvaluateExpression方法来... 目录C#代码计算数学表达式该方法很长,因此我将分段描述下面的代码片段显示了下一步以下代码显示该方法如

k8s部署MongDB全过程

《k8s部署MongDB全过程》文章介绍了如何在Kubernetes集群中部署MongoDB,包括环境准备、创建Secret、创建服务和Deployment,并通过Robo3T工具测试连接... 目录一、环境准备1.1 环境说明1.2 创建 namespace1.3 创建mongdb账号/密码二、创建Sec

gradle安装和环境配置全过程

《gradle安装和环境配置全过程》本文介绍了如何安装和配置Gradle环境,包括下载Gradle、配置环境变量、测试Gradle以及在IntelliJIDEA中配置Gradle... 目录gradle安装和环境配置1 下载GRADLE2 环境变量配置3 测试gradle4 设置gradle初始化文件5 i

springboot健康检查监控全过程

《springboot健康检查监控全过程》文章介绍了SpringBoot如何使用Actuator和Micrometer进行健康检查和监控,通过配置和自定义健康指示器,开发者可以实时监控应用组件的状态,... 目录1. 引言重要性2. 配置Spring Boot ActuatorSpring Boot Act

mac安装redis全过程

《mac安装redis全过程》文章内容主要介绍了如何从官网下载指定版本的Redis,以及如何在自定义目录下安装和启动Redis,还提到了如何修改Redis的密码和配置文件,以及使用RedisInsig... 目录MAC安装Redis安装启动redis 配置redis 常用命令总结mac安装redis官网下

SpringBoot3集成swagger文档的使用方法

《SpringBoot3集成swagger文档的使用方法》本文介绍了Swagger的诞生背景、主要功能以及如何在SpringBoot3中集成Swagger文档,Swagger可以帮助自动生成API文档... 目录一、前言1. API 文档自动生成2. 交互式 API 测试3. API 设计和开发协作二、使用

Jenkins中自动化部署Spring Boot项目的全过程

《Jenkins中自动化部署SpringBoot项目的全过程》:本文主要介绍如何使用Jenkins从Git仓库拉取SpringBoot项目并进行自动化部署,通过配置Jenkins任务,实现项目的... 目录准备工作启动 Jenkins配置 Jenkins创建及配置任务源码管理构建触发器构建构建后操作构建任务

Kibana的安装和配置全过程

《Kibana的安装和配置全过程》Kibana是一个开源的数据分析和可视化平台,它与Elasticsearch紧密集成,提供了一个直观的Web界面,使您可以快速地搜索、分析和可视化数据,在本文中,我们... 目录Kibana的安装和配置1.安装Java运行环境2.下载Kibana3.解压缩Kibana4.配

若依部署Nginx和Tomcat全过程

《若依部署Nginx和Tomcat全过程》文章总结了两种部署方法:Nginx部署和Tomcat部署,Nginx部署包括打包、将dist文件拉到指定目录、配置nginx.conf等步骤,Tomcat部署... 目录Nginx部署后端部署Tomcat部署出现问题:点击刷新404总结Nginx部署第一步:打包

基于C#实现将图片转换为PDF文档

《基于C#实现将图片转换为PDF文档》将图片(JPG、PNG)转换为PDF文件可以帮助我们更好地保存和分享图片,所以本文将介绍如何使用C#将JPG/PNG图片转换为PDF文档,需要的可以参考下... 目录介绍C# 将单张图片转换为PDF文档C# 将多张图片转换到一个PDF文档介绍将图片(JPG、PNG)转