روشي خودكار جهت همگون سازي بصري اهداف با پس زمينه با استفاده از الگوريتم حريصانه

An Automated Method for Visual Camouflage of Targets with their Background using Greedy Algorithm

طراحي الگوي رنگي مناسبي كه بتواند بيشترين تطابق و همگوني هدف را از لحاظ شكل و رنگ با پس­زمينه داشته باشد، يكي از چالش­هاي اساسي در حوزه­ي همگون سازي (استتار) است. امروزه، همگون سازي رقومي بر پايه اصول روانشناسي بصري قرارگرفته است و از روش­هاي پردازش رقومي تصوير براي مشخص كردن ويژگي­هاي پس­زمينه استفاده مي­كند. تاكنون تحقيقات زيادي توسط محققين در زمينه همگون سازي رقومي ارائه شده است. به عنوان مثال روش­هاي مبتني بر تكنيك فازي، شبكه عصبي و روش حريصانه ارائه شده است اما مشكل اصلي برخي از روش­ها آن است كه تعداد رنگ­هاي اصلي به صورت دستي يا تجربي انتخاب شوند در حالي كه اين تعداد رنگ­ها در هر تصوير متفاوت خواهد بود. بنابراين نمي­توان به يك تعداد رنگ بهينه براي عمل همگون­ سازي دست يافت. هدف اصلي در اين تحقيق ارائه يك روش جديد طراحي الگو رقومي بر اساس الگوريتم حريصانه مي­باشد كه تعداد رنگ­هاي اصلي را به صورت خودكار و بر اساس ويژگي­هاي خاص هر تصوير استخراج مي­شود. بنابراين به‌منظور بيرون كشيدن رنگ­هاي اصلي از درون تصوير موردنظر، ابتدا با استفاده از معيار MDL تعداد خوشه­هاي بهينه انتخاب مي­شوند سپس با استفاده از روش خوشه­بندي K-means از روي تصاوير به استخراج رنگ­هاي اصلي پرداخته خواهد شد. سپس با استفاده از الگوريتم حريصانه يك توزيع يا چيدمان بهينه از تركيب قالب­هاي الگو كه در يك پايگاه داده ذخيره‌شده‌اند براي طراحي بافت نهايي به دست مي­آيد. در اين تحقيق، جهت پياده ­سازي روش پيشنهاي از 11 تصوير با شرايط زماني و مكاني مختلفي استفاده‌شده است. همچنين براي ارزيابي توانايي و قابليت روش پيشنهادي به‌صورت كمي و كيفي از معيار نقشه برجستگي استفاده‌شده است. بر اساس معيار برجستگي روش پيشنهادي با روش تشابه رنگي مقايسه شده است ميانگين كلي برجستگي در 11 تصوير براي تصوير اصلي، روش تشابه­ رنگي و روش پيشنهادي به ترتيب برابر با 57 ، 53 و 42 درصد مي­باشند كه حاكي از اين است روش همگون سازي اهداف در پنهان كردن اهداف بهتر عمل كرده است.

Camouflage is the art of disguising or blending objects into a natural background so as to make them more difficult for viewers to see. Traditional camouflage is usually based on the designer's experience and includes macro patterns spots and stripes irregular whose outlines or boundaries are sharp and are easier to see. To overcome this main drawback, digital camouflage combines macro and micro patterns with computer assistance. Most works related to the digital camouflage are in the field of color pattern design. However, designing a suitable color pattern that can best match the target in terms of shape and color characteristics with the background is a major challenge in the field of digital camouflage. Nowadays, the digital camouflage is based on the principles of visual psychology and uses digital image processing techniques to characterize background features. The common digital camouflage techniques are based on the fuzzy, the neural network and the greedy methods. The main problem to use these methods is that the number of main colors is chosen manually or experimentally, while it is different in each image. Therefore, the optimal colors cannot be obtained for appropriate blending targets into their backgrounds. The main objective of this study is to provide a novel method of designing a digital template which automatically extracts the number of original colors based on the specific features of each image. The proposed method is based on the conventional greedy algorithm. The greedy algorithm tries to minimize the difference between the shape perceived by the viewer and the shape patterned on the target. The proposed method first uses the minimum description length (MDL) criterion for determining the number of optimum clusters of the image. Then, it uses the well-known K-means clustering method to extract the original colors from the image. Finally, the proposed method uses the greedy algorithm to obtain an optimal distribution or arrangement of the combination of pattern templates stored in a database. In this study, the proposed method is compared to the color similarity algorithm proposed by yang and Yin (2015). The quantitative and qualitative assessments of both the methods are based on the saliency map, which is a common criterion for the camouflage assessment. The saliency map is originally intended to model covert attention. It attaches a value to each location in the visual field given the visual input and the current task, with regions of higher salience being more likely to be fixated