Abstract:
امروزه با پیشرفت فنّاوریهای سنجشازدور، امکان دستیابی به تصاویر با توان تفکیک طیفی و مکانی مختلف ایجاد شده است. تفسیر عکس و استخراج اطلاعات از تصویر، به ابزاری توانمند برای شناسایی هدف تبدیل شده است. آنچه تاکنون در زمینه تحقیقات ارزیابی اثربخشی استتار انجام شده است، در قالب ارائه الگوریتم بهینه برای آشکارسازی هدف با استفاده از دستهای تصاویر با مشخصات یکسان بوده و در هیچیک، استراتژی خاص موضوع ارزیابی استتار ارائه نشده است. در این تحقیق، ضمن بررسی روشهای ارزیابی استتار، تصاویر مختلف و ویژگیهای شناسایی قابلاستخراج از آنها، از منظر موضوع ارزیابی استتار دستهبندی شدند و با بررسی پارامترهای موثر در ارزیابی استتار، چارچوبی برای پرداختن به موضوع ارزیابی اثربخشی طرحهای استتاری ارائه شد. تشریح مباحث این مقاله نشان داد که ارائه چارچوب پیشنهادی نهتنها میتواند ابعاد مختلف تحقیقات مرتبط با موضوع ارزیابی استتار را مشخص کند بلکه میتواند از اشتباهات احتمالی در تعریف موضوع تحقیقات آینده جلوگیری نماید.
Today, with the advancement of remote sensing technologies, it is possible to achieve images with different spectral and spatial resolution. Interpreting photos and extracting information from the image has become a powerful tool for identifying the target. What has been done so far in the field of camouflage effectiveness evaluation research is in the form of providing an optimal algorithm for target detection using a batch of images with the same specifications, and in none of them is a specific strategy for camouflage evaluation presented. In this study, while examining camouflage assessment methods, different images and identifiable features that could be extracted from them were categorized from the perspective of camouflage assessment, and by examining the effective parameters in camouflage assessment, a framework for addressing the issue of design effectiveness evaluation. Camouflage was provided. Explaining the topics of this article showed that the proposed framework can not only identify the various dimensions of research related to the subject of camouflage assessment but can also prevent possible errors in defining the subject of future research.
Machine summary:
در مقاله مذکور، مشابه سيستم هاي محاسباتي توجه بصري١، اشيائي که بر اساس ادراک انسان ، شبيه هدف هستند به عنوان هشدارهاي اشتباه در نظر گرفته شدند و مدلي براي اندازه گيري معيارهاي ارزيابي پيشنهادي ارائه شد که توضيح جزئيات آن خارج از مجال اين مقاله است (-٢٠١١:٦٩ ,Frintrop .
1- Computational visual attention models (به تصویر صفحه رجوع شود) شکل ٣: چارچوب پيشنهادي براي ارزيابي اثربخشي طرح هاي استتاري تقسيمات کشوري سوريه در تصاوير ابر طيفي که توان تفکيک مکاني پايين دارند، شناسايي هدف به پردازش رايانه اي متکي است و انسان از درک آن عاجز است .
در روش پيشنهادي اين مقاله از اختلاط خطي رنگ پس زمينه غالب محلي پيکسل و منطقه هدف (کادر قرمزرنگ در شکل (٧- a)، براي شبيه سازي اهداف با سطوح استتاري متفاوت استفاده شده است .
براي محاسبه ميزان تمايز هدف از پس زمينه يا به عبارتي ميزان شباهت ناهنجاري مشخص شده در تصوير به شيء موردنظر (نظير تانک )، بايستي از معيارهايي که در الگوريتم هاي Image mining به کار ميروند استفاده کرد و بر اساس اصول عملکرد آن ها عددي را براي پارامتر PtL در رابطه مدل جستجو در نظر گرفت .
In Infrared Imaging Systems: Design, Analysis, Modeling, and Testing XXVII (Vol. 9820, May, p.
In Infrared Imaging Systems: Design, Analysis, Modeling, and Testing, XVI (Vol. 5784, May, pp.
In Infrared Imaging Systems: Design, Analysis, Modeling, and Testing XIV (Vol. 5076, August, pp.