توليد طرح استتاري نظامي بر اساس رنگ زمينه با استفاده از پردازش تصوير و الگوريتم ژنتيك محاوره اي

Design of Military Camouflage Patterns Using Image Processing and Interactive Genetic Algorithm

مسئله استتار در موارد مختلف ازجمله صنايع نظامي چه در مورد لباس نيروهاي نظامي و چه در مورد تسليحات از اهميت زيادي برخوردار است.طراحي پارچه هاي استتاري براي مصارف نظامي به صورت دستي بسيار سخت و زمان بر است و نياز به تخصص زيادي در اين زمينه دارد و همچنين طرح هاي ايجادشده از دقت كم و امكان خطاي زيادي برخوردارند. درنتيجه روش هاي رايانه اي مي تواند كمك بزرگي براي تسهيل ايجاد طرح استتاري و افزايش سرعت در طراحي لباس هاي استتاري نظامي باشد. در اين راستا پردازش تصوير با استفاده از الگوريتم هاي فرا ابتكاري مي تواند روش مفيدي براي دستيابي به اين هدف ارائه دهد. در اين پژوهشبراي نخستين بار، راهكاري ارائه گرديد كه با استفاده از روش خوشه بندي كي- مينز و الگوريتم ژنتيك محاوره اي، توانايي توليد تصاوير استتاري نظامي و بهبود آن را با توجه به نظر كاربر دارا مي باشد. با كاربرد روش خوشه بندي كي- مينز تصاوير ورودي به 10 رنگ كاهش رنگ داده مي شوند، هر طرح نيز بين 3 تا 10 رنگ با توجه به حداكثر رنگ قابل چاپ بر روي پارچه كاهش رنگ مي يابد. الگوريتم معرفي شده رنگ هاي موجود در پس زمينه كاهش رنگ يافته را با توجه به فراواني آن ها بارنگ هاي موجود در طرح، جايگزين مي كند. طرح هاي استتاري توسط الگوريتم ژنتيك محاوره اي توليد مي شوند، سپس برازندگي طرح ها توسط كاربر ارزيابي مي گردد.نتايج حاصل از ارزيابي اين نرم افزار توسط 30 نفر كاربر نظامي نشان دهنده رضايت 80 درصد كاربران از طرح هاي استتاري توليدشده توسط نرم افزار پيشنهادي و قابليت استتار و پنهان شدن آن ها در محيط هاي موردنظر مي باشد.

Military camouflage is important in the protection of personnel, shelters, and equipment from observation by enemy forces. It is challenging and time-consuming to design efficient camouflage patterns manually without extensive experience. The resulting manual patterns may also have low accuracy and effectiveness; thus, a computerized image processing software can be used to facilitate and speed-up the design of such patterns. To achieve this goal, meta-heuristic image processing algorithms can be employed. In this study, the K-Means clustering method and the interactive genetic algorithm were utilized for the first time to produce and optimize military camouflage images scored by expert observers. The input images were reduced to 10 colors by the K-Means clustering method and every pattern was reduced to 3-10 colors with regard to maximum printable colors on the fabric. The introduced algorithm replaced background colors with the ones existed in a pattern according to their redundancy. The camouflage patterns were produced by the interactive genetic algorithm and their suitability was evaluated by 30 military experts. 80% of the expert evaluators were satisfied with the generated camouflage patterns which showed the applicability of the proposed design.