CN108537788B - 迷彩伪装效果评测方法及装置、计算机设备及存储介质 - Google Patents

Abstract

本申请提供一种迷彩伪装效果评测方法，包括：获取各迷彩图案的迷彩伪装目标图像及背景图像；基于所述目标图像及背景图像，确定所述目标图像与其背景图像的相似度；基于所述相似度s，计算所述目标图像的识别概率，将所述识别概率P与设定评估阈值进行比较，生成各迷彩图案的伪装效果评估结果，并显示。解决了现有迷彩伪装效果评测方法中依赖于专家评判从而缺乏客观性的问题，建立了识别概率和相似度的数学关系模型，实现了定量评价结果的科学性和准确性。

Description

迷彩伪装效果评测方法及装置、计算机设备及存储介质

技术领域

本发明涉及图像处理领域，具体地说，涉及一种迷彩伪装效果评测方法及装置、计算机设备及存储介质。

背景技术

迷彩伪装作为一种对抗光学侦察的基本措施，是陆地、水面和空中目标光学伪装的一种普遍方法。它根据目标所在背景的基本特征设计出迷彩图案，采用伪装涂料将迷彩图案涂装到目标表面，在颜色和纹理上仿造自然背景或分割目标的外形轮廓，从而降低目标的暴露征候。

伪装效果评价是检验伪装技术好坏的重要方法，是迷彩伪装的重要环节。目前国内主要采用目测法来计算目标识别概率，具有一定的主观性。在《基于Gabor小波纹理分析模型的伪装效果评价方法》一文中，建立了Gabor函数小波的纹理分析模型，提出了基于距离的纹理相似度概念，需大量判读人员进行纹理区分，仍具有主观性。

发明内容

为解决上述问题，本发明提出了一种迷彩伪装效果评测方法。

本发明实施例提供一种迷彩伪装效果评测方法，所述方法包括：

获取各迷彩图案的迷彩伪装目标图像及背景图像；

基于所述目标图像及背景图像，确定所述目标图像与其背景图像的相似度s；

基于所述相似度s，通过

计算所述目标图像的识别概率P；

将所述识别概率P与设定评估阈值进行比较，生成各迷彩图案的伪装效果评估结果，并显示。

在一种实施方式中，所述基于所述目标图像及背景图像，确定所述目标图像与其背景图像的相似度s，包括：

计算所述目标图像及背景图像的结构特征相似度、纹理特征相似度、颜色特征相似度、统计特征相似度；

计算所述结构特征相似度、纹理特征相似度、颜色特征相似度、统计特征相似度对应的权重系数；

基于所述结构特征相似度、纹理特征相似度、颜色特征相似度、统计特征相似度及所述权重系数，进行加权计算，确定所述目标图像与其背景图像的相似度s。

在一种实施方式中，所述结构特征相似度为所述目标图像与其背景图像的梯度结构相似度；

所述计算所述目标图像及背景图像的结构特征，包括：

计算所述目标图像及背景图像的梯度幅值、亮度函数、对比度函数；

根据所述梯度幅值、亮度函数及对比度函数，计算所述目标图像及背景图像的梯度结构相似度。

在一种实施方式中，所述计算所述目标图像及背景图像的纹理特征相似度，包括：

通过二维离散小波变换计算所述目标图像及背景图像的图像纹理特征的近似系数、水平细节系数、垂直细节系数和对角细节系数；

基于所述近似系数、水平细节系数、垂直细节系数和对角细节系数，采用明可夫斯基距离，计算所述目标图像及背景图像的纹理特征相似度。

在一种实施方式中，所述计算所述目标图像及背景图像的颜色特征相似度，包括：

确定所述目标图像及背景图像对应像素上的颜色差异；

基于所述颜色差异，确定所述目标图像及背景图像的颜色特征相似度。

在一种实施方式中，所述计算所述目标图像及背景图像的统计特征相似度，包括：

确定所述目标图像及背景图像的协方差矩阵；

根据所述协方差矩阵，确定所述目标图像及背景图像的统计特征相似度。

在一种实施方式中，所述计算所述权重系数，包括：

基于各相似度的数值，确定其信息熵值e_j；

基于所述信息熵值，确定各相似度的权重

其中，m为设定的像素数量。

本发明实施例还提供一种迷彩伪装效果评测装置，所述装置包括：

获取单元，用于获取各迷彩图案的迷彩伪装目标图像及背景图像；

确定单元，用于基于所述目标图像及背景图像，确定所述目标图像与其背景图像的相似度s；

计算单元，用于基于所述相似度s，通过

计算所述目标图像的识别概率P；

显示单元，用于将所述识别概率P与设定评估阈值进行比较，生成各迷彩图案的伪装效果评估结果，并显示。

在一种实施方式中，所述确定单元包括：用于计算所述目标图像及背景图像的结构特征相似度、纹理特征相似度、颜色特征相似度、统计特征相似度的第一单元；用于计算所述结构特征相似度、纹理特征相似度、颜色特征相似度、统计特征相似度对应的权重系数的第二单元；用于基于所述结构特征相似度、纹理特征相似度、颜色特征相似度、统计特征相似度及所述权重系数，进行加权计算，确定所述目标图像与其背景图像的相似度s的第三单元。

在一种实施方式中，所述第二单元包括：权重系数计算单元，用于基于各相似度的数值，确定其信息熵值e_j；并基于所述信息熵值，确定各相似度的权重

其中，m为设定的像素数量。

本发明实施例还提供一种计算机设备，包括存储器、处理器及存储在所述存储器上并可被所述处理器运行的程序，所述处理器执行所述程序时实现上述的迷彩伪装效果评测方法。

本发明实施例还提供一种计算机可读存储介质，其上存储有计算机程序，当所述计算机程序被处理器执行时实现上述的迷彩伪装效果评测方法。本发明实施例提供一种迷彩伪装效果评测方法、装置及计算机设备、存储介质，既考虑了指标的实际贡献量，又降低了主观判读可能造成的偏差，确保了评测方法的科学性和准确性。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本发明。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。

图1显示了根据本发明的一个实施例的迷彩伪装效果评测方法流程图；

图2显示了根据本发明的一个实施例的迷彩伪装效果评测装置的结构示意图。

具体实施方式

以下描述和附图充分地示出本发明的具体实施方案，以使本领域的技术人员能够实践它们。其他实施方案可以包括结构的、逻辑的、电气的、过程的以及其他的改变。实施例仅代表可能的变化。除非明确要求，否则单独的部件和功能是可选的，并且操作的顺序可以变化。一些实施方案的部分和特征可以被包括在或替换其他实施方案的部分和特征。本发明的实施方案的范围包括权利要求书的整个范围，以及权利要求书的所有可获得的等同物。在本文中，各实施方案可以被单独地或总地用术语“发明”来表示，这仅仅是为了方便，并且如果事实上公开了超过一个的发明，不是要自动地限制该应用的范围为任何单个发明或发明构思。本文中，诸如第一和第二等之类的关系术语仅仅用于将一个实体或者操作与另一个实体或操作区分开来，而不要求或者暗示这些实体或操作之间存在任何实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法或者设备中还存在另外的相同要素。本文中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的方法、产品等而言，由于其与实施例公开的方法部分相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

本发明提出了一种迷彩伪装效果评测方法及装置，既考虑了指标的实际贡献量，又降低了主观判读可能造成的偏差，确保了伪装效果评价方法的科学性和准确性。

本发明的迷彩伪装效果评测方法，是在迷彩图案涂装到目标表面后，计算目标与背景的结构、颜色、纹理以及统计特征这四个特征相似度，然后根据多指标权重分配算法获得权重值，计算出加权相似度作为伪装效果评价的量化结果，在根据本发明提供的基于相似度计算识别概率的算法，来计算识别概率。

如图1所示，本发明实施例提供的种迷彩伪装效果评测方法，具体包括：

S101、获取迷彩伪装目标图像及背景图像；

S102、基于所述目标图像及背景图像，确定所述目标图像与其背景图像的相似度s；

S103、基于所述相似度s计算所述目标图像的识别概率P；

S104、将所述识别概率P与设定评估阈值进行比较，生成各迷彩图案的伪装效果评估结果，并显示。

其中，在一种实施方式中，获取迷彩伪装目标图像及背景图像距离：

陆地背景，裸眼或相当裸眼的光学成像器材，获取目标背景图像的距离为800～1200米，较佳的，S101中距离为1000米；海洋背景，裸眼或相当裸眼的光学成像器材，获取目标背景图像的距离为0.4～0.6海里，较佳的，S101中距离为0.5海里。相应的，光学望远器材，获取目标背景图像的距离为上述距离除以放大倍率。

其中，在一种实施方式中，评估阈值可以进行如下设定：

将识别概率阈值设定为0.7，0.5，0.3，0.2，当一种迷彩图案的识别概率P大于0.7，该迷彩图案的伪装效果为极差，当识别概率在0.5到0.7之间时，该迷彩图案的伪装效果为差，当识别概率在0.5到0.3之间时，该迷彩图案的伪装效果为适中，当识别概率在0.3到0.2之间时，该迷彩图案的伪装效果为良，当识别概率小于0.2时，该迷彩图案的伪装效果为优。S104中，执行本发明实施例提供的迷彩伪装效果评测方法的设备，将上述伪装效果，对应的识别概率值，以及其对应的迷彩图案，均通过显示屏进行显示。

较佳的，S103中，基于相似度s，可以通过

来计算识别概率P。

实际应用中，也可以通过其他方式进行识别概率P的计算。

下面对步骤S102的一种具体实现方式进行详细介绍，本领域技术也可以通过其他方式实现步骤S102，针对下述S102的具体实现方式，基于

进行识别概率计算，计算准确率最高，与目测法试验统计的识别概率拟合度可达0.9343，是本发明较佳的实施方案。

S102的具体实现方式如下：

在一种实施方式中，所述基于所述目标图像及背景图像，确定所述目标图像与其背景图像的相似度s，包括：

计算所述目标图像及背景图像的结构特征相似度、纹理特征相似度、颜色特征相似度、统计特征相似度；

计算所述结构特征相似度、纹理特征相似度、颜色特征相似度、统计特征相似度对应的权重系数；

基于所述结构特征相似度、纹理特征相似度、颜色特征相似度、统计特征相似度及所述权重系数，进行加权计算，确定所述目标图像与其背景图像的相似度s。

各特征相似度算法如下：

(1)结构特征相似度：

设背景图像X和目标图像Y，分别计算出水平方向和垂直方向的边缘算子的梯度值，二者之和即梯度幅值G_X(i,j)，如公式(1)所示。则图像X和Y之间的梯度相似度g(x,y)如式(2)所示。

式中，G_X(i,j),G_y(i,j)分别为原始背景像素块x和目标图案像素块y在像素(i,j)处的梯度幅值。因此，梯度结构相似度(GS)为

GS＝l(x,y)·c(x,y)·g(x,y) (3)

式中，l(x,y)，c(x,y)，g(x,y)分别代表两幅图像的亮度函数、对比度函数和梯度函数。

(2)纹理特征相似度：

首先，对背景图像及目标图像进行一次二维离散小波变换可得cA，cH，cV，cD四个分量，其中cA，cH，cV，cD分别是近似系数、水平细节系数、垂直细节系数和对角细节系数。对这4个分量系数按照m×m的像素大小分成子块，然后用cAi，cHi，cVi，cDi来表示图像空间的第i块m×m矩阵的4个分量，大小为(m/2)×(m/2)。则图像纹理特征C₁、C₂、C₃的提取公式为

式中，C₁是高频分量与低频分量的比值；C₂是纹理横向分量与纵向分量的比值；C₃是纹理的低频能量。利用上述算法分别提取背景图像和伪装图像的纹理特征向量，记为P(x1,x2,…,xn)和P(y1,y2,…,yn)。然后，采用明可夫斯基距离作为背景图像和目标图像的相似度计算，设g为参数，其公式为

d＝(∑|x_i-y_i|^g)^(1/g) (7)

(3)颜色特征相似度：

设背景图像X和目标图像Y，它们分别由Nx和Ny个像素组成(Nx＝Ny)。用D_i,j表示X中像素i和Y中像素j之间颜色上的差异，其计算公式为

构造由像素对(i,k_i)组成的集合S，即s{(i,k_i)}，其中i表示X中一个像素，k_i表示Y中对应的像素，且i和k_i具有对应关系。设T是常数，则颜色特征相似度计算公式为：

(4)统计特征相似度：

设目标图像协方差矩阵为C₁，背景图像协方差矩阵为C₂，则有

S(C₁,C₂)＝f(F(λ₁),…F(λ_n)) (11)

式中，S(C₁,C₂)为协方差矩阵C₁和C₂的相似度构成的矩阵，{F(λ_i)}i＝1,2,…,n为协方差矩阵C1和C2的第i个特征的相似度。采用奇异值分解法，对相似度矩阵进行分解，任意一个大小为P×Q的矩阵可以写成：

式中，U和V分别为P×Q的左奇异阵和Q×Q的右奇异阵，各列向量Ur和Vr互相正交；Q×Q的对角阵Σ是A的奇异值矩阵，R_A为A的秩。计算由N个值组成的数组，将数组中的值相加并进行平均，得到的平均值即目标图像与背景图像之间的相似度。

(5)确定权重系数：

设评价信息矩阵为X＝(X_ij)mxn，其中X_ij为第i个对象的第j个指标的数值(i＝1,2,…,m；j＝1,2…,n)。对数据作标准化处理，得到规范矩阵Y＝(y_ij)mxn。则第j项指标下第i个对象的数值比重为

计算第j项指标的信息熵值e_j，如式(14)所示。对于第j项指标，指标值x_ij的差异越大，对方案评价的作用越大，熵值就越小。因此评价指标的权重w_j为

式中：k>0，k＝1/ln n，e_j≥0。

以大斑点迷彩、自然纹理迷彩、数码迷彩等迷彩图案作为光学伪装图案，以海洋区域为背景图像，在海洋区域上选取待伪装目标，将上述光学伪装图案涂装到待伪装目标上，通过上述公式进行相似度计算，计算结果如表1所示。

表1相似度计算结果

从表1可以看出：由于海洋的色彩较单一，纹理相似度、颜色相似度差异较大，说明海洋背景受纹理特征和颜色特征影响较大。

获取迷彩伪装目标图像及背景图像的相似度后，通过如下公式可以计算识别概率：

其中，P表示目标识别概率，s表示目标图像与背景图像的相似度，两者呈非线性关系，表明相似度越高，识别概率越低。

(1)当目标与背景完全不相似时(即s≈0)，对应的目标识别概率约为1，说明相似度越低，目标暴露特征越多，越容易被发现，完全不相似时必定被发现；

(2)当目标与背景完全相似时(即s≈1)，对应的目标识别概率约为0，说明相似度越高，目标暴露特征越少，越难被发现，完全相似时必定无法发现。

本发明还提供一种迷彩伪装效果评测装置，如图2所示，所述装置包括：

获取单元201，用于获取各迷彩图案的迷彩伪装目标图像及背景图像；

确定单元202，用于基于所述目标图像及背景图像，确定所述目标图像与其背景图像的相似度s；

计算单元203，用于基于所述相似度s，计算所述目标图像的识别概率P；

显示单元204，用于将所述识别概率P与设定评估阈值进行比较，生成各迷彩图像的伪装效果评估结果，并显示。

较佳的，计算单元203用于基于相似度s，通过

计算识别概率P。

在一种实施方式中，所述获取单元201包括：用于拍摄一定距离下目标和背景图像的成像器材，如照相机、摄像机、光谱成像仪等；用于读取图像数据后进行倍率变换、图像滤波与增强的计算机。

在一种实施方式中，所述确定单元202包括：用于计算所述目标图像及背景图像的结构特征相似度、纹理特征相似度、颜色特征相似度、统计特征相似度的第一单元；用于计算所述结构特征相似度、纹理特征相似度、颜色特征相似度、统计特征相似度对应的权重系数的第二单元；用于基于所述结构特征相似度、纹理特征相似度、颜色特征相似度、统计特征相似度及所述权重系数，进行加权计算，确定所述目标图像与其背景图像的相似度s的第三单元。

在一种实施方式中，所述结构特征相似度为所述目标图像与其背景图像的梯度结构相似度；

所述第一单元包括：结构特征相似度计算单元，用于计算所述目标图像及背景图像的梯度幅值、亮度函数、对比度函数；并根据所述梯度幅值、亮度函数及对比度函数，计算所述目标图像及背景图像的梯度结构相似度。

在一种实施方式中，所述第一单元包括：纹理特征相似度计算单元，用于通过二维离散小波变换计算所述目标图像及背景图像的图像纹理特征的近似系数、水平细节系数、垂直细节系数和对角细节系数；并基于所述近似系数、水平细节系数、垂直细节系数和对角细节系数，采用明可夫斯基距离，计算所述目标图像及背景图像的纹理特征相似度。

在一种实施方式中，所述第一单元包括：颜色特征相似度计算单元，用于确定所述目标图像及背景图像对应像素上的颜色差异；并基于所述颜色差异，确定所述目标图像及背景图像的颜色特征相似度。

在一种实施方式中，所述第一单元包括：统计特征相似度计算单元，用于确定所述目标图像及背景图像的协方差矩阵；并根据所述协方差矩阵，确定所述目标图像及背景图像的统计特征相似度。

在一种实施方式中，所述第二单元包括：权重系数计算单元，用于基于各相似度的数值，确定其信息熵值e_j；并基于所述信息熵值，确定各相似度的权重

本发明还提供一种计算机可读的存储介质，其上存储有计算机程序，当所述计算机程序被处理器执行时实现上述的迷彩伪装效果评测方法。本发明提出一种迷彩伪装效果评测方法，解决了现有迷彩伪装效果评测方法中依赖于专家评判从而缺乏客观性的问题，建立了识别概率和相似度的数学关系模型，实现了定量评价结果的科学性和准确性。在示例性实施例中，还提供了一种包括指令的非临时性计算机可读存储介质，例如包括指令的存储器，上述指令可由处理器执行以完成前文所述的方法。上述非临时性计算机可读存储介质可以是只读存储器(Read Only Memory,ROM)、随机存取存储器(Random AccessMemory,RAM)、磁带和光存储设备等。

本领域技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。所属技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

本文所披露的实施例中，应该理解到，所揭露的方法、产品(包括但不限于装置、设备等)，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。

应当理解的是，附图中的流程图和框图显示了根据本发明的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。本发明并不局限于上面已经描述并在附图中示出的流程及结构，并且可以在不脱离其范围进行各种修改和改变。本发明的范围仅由所附的权利要求来限制。

Claims (10)

1.一种迷彩伪装效果评测方法，其特征在于，所述方法包括：

获取各迷彩图案的迷彩伪装目标图像及背景图像；

基于所述目标图像及背景图像，确定所述目标图像与其背景图像的相似度s；

基于所述相似度s，通过

计算所述目标图像的识别概率P；

将所述识别概率P与设定评估阈值进行比较，生成各迷彩图案的伪装效果评估结果，并显示。

2.如权利要求1所述的方法，其特征在于，所述基于所述目标图像及背景图像，确定所述目标图像与其背景图像的相似度s，包括：

计算所述目标图像及背景图像的结构特征相似度、纹理特征相似度、颜色特征相似度、统计特征相似度；

计算所述结构特征相似度、纹理特征相似度、颜色特征相似度、统计特征相似度对应的权重系数；

基于所述结构特征相似度、纹理特征相似度、颜色特征相似度、统计特征相似度及所述权重系数，进行加权计算，确定所述目标图像与其背景图像的相似度s。

3.如权利要求2所述的方法，其特征在于，所述结构特征相似度为所述目标图像与其背景图像的梯度结构相似度；

所述计算所述目标图像及背景图像的结构特征，包括：

计算所述目标图像及背景图像的梯度幅值、亮度函数、对比度函数；

根据所述梯度幅值、亮度函数及对比度函数，计算所述目标图像及背景图像的梯度结构相似度。

4.如权利要求2所述的方法，其特征在于，所述计算所述目标图像及背景图像的纹理特征相似度，包括：

通过二维离散小波变换计算所述目标图像及背景图像的图像纹理特征的近似系数、水平细节系数、垂直细节系数和对角细节系数；

基于所述近似系数、水平细节系数、垂直细节系数和对角细节系数，采用明可夫斯基距离，计算所述目标图像及背景图像的纹理特征相似度。

5.如权利要求2所述的方法，其特征在于，所述计算所述目标图像及背景图像的颜色特征相似度，包括：

确定所述目标图像及背景图像对应像素上的颜色差异；

基于所述颜色差异，确定所述目标图像及背景图像的颜色特征相似度。

6.如权利要求2所述的方法，其特征在于，所述计算所述目标图像及背景图像的统计特征相似度，包括：

确定所述目标图像及背景图像的协方差矩阵；

根据所述协方差矩阵，确定所述目标图像及背景图像的统计特征相似度。

7.一种迷彩伪装效果评测装置，其特征在于，所述装置包括：

获取单元，用于获取各迷彩图案的迷彩伪装目标图像及背景图像；

确定单元，用于基于所述目标图像及背景图像，确定所述目标图像与其背景图像的相似度s；

计算单元，用于基于所述相似度s，通过

计算所述目标图像的识别概率P；

显示单元，用于将所述识别概率P与设定评估阈值进行比较，生成各迷彩图像的伪装效果评估结果，并显示。

8.如权利要求7所述的装置，其特征在于，所述确定单元包括：

用于计算所述目标图像及其背景图像的结构特征相似度、纹理特征相似度、颜色特征相似度、统计特征相似度的第一单元；

用于计算所述结构特征相似度、纹理特征相似度、颜色特征相似度、统计特征相似度对应的权重系数的第二单元；

用于基于所述结构特征相似度、纹理特征相似度、颜色特征相似度、统计特征相似度及所述权重系数，进行加权计算，确定所述目标图像与其背景图像的相似度s的第三单元。

9.一种计算机设备，包括存储器、处理器及存储在所述存储器上并可被所述处理器运行的程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-6任一所述的迷彩伪装效果评测方法。

10.一种存储介质，其上存储有计算机程序，其特征在于，当所述计算机程序被处理器执行时实现如权利要求1-6任一所述的迷彩伪装效果评测方法。

Images