针对自动化迷彩目标发现学习中有效样本严重不足的问题,借鉴AlphaGo的技术思想,提出了一种基于样本模拟的深度神经网络仿真训练方法。建立了迷彩场景仿真合成模型,通过设计图像空间的复合算法、场景图像深度特征提取策略、目标融合度测量策略,以及图聚类采样算法,批量化地生成了可用于深度神经网络训练和学习的具有代表性的迷彩场景仿真样本;设计了基于深度残差神经网络的迷彩目标发现模型,并引入了多尺度网络训练方法。模拟样本和真实场景图像的实验结果表明,所提方法可有效应用于迷彩目标的自动化识别与评估。

邻苯二甲酸二辛酯、邻苯二甲酸二丁酯、邻苯二甲酸二乙酯是三种最常用的塑化剂,由于结构以及形态较为相似,使得其检测和分析比较困难。本文首先利用Gaussian03软件使用DFT三参数混合方法基于基组3-21G优化出了三种常用塑化剂邻苯二甲酸二辛酯、邻苯二甲酸二丁酯以及邻苯二甲酸二乙酯的空间结构,得到了理论拉曼光谱并对其特征频移及其振动模式进行了指认。同时实验测量了这三种常用塑化剂的分析纯级样品拉曼光谱并与其理论拉曼光谱分别做了对比,显示出很好的一致性。最后对三种常用塑化剂的晶格结构进行了分析与讨论。

植物自身的生理结构和蒸腾作用等生命特征,使其具有独特的光学和红外特征.在光学波段由于叶绿素和水分的共同作用,植物叶片在550,680,1 400和1 900 nm等波长附近形成了明显的光谱反射特征变化;在红外波段由于植被蒸腾作用的驱动,使其具备主动调节自身温度的功能,红外特征异于人工材料;基于此提出了一种模拟植物光学和红外特征的仿生材料设计制备方法.在绿色植物光学和红外特性及其形成机理分析基础上,进行了植物仿生材料的组分设计和热传导过程分析,完成了材料传热控制方程建立和结构参数确定.利用水分吸附脱附材料、光学颜料等人工材料,确定了基于光学和红外特征模拟的植物仿生材料制备方法.以聚乙烯醇材料作为植物仿生材料的成型物质和水分吸脱附材料,以铬绿、大分子黄等光学颜料作为材料着色剂,采用化学铸膜方法制备了植物仿生材料薄膜,并进行了实际测试验证.吸脱附测试表明:一定厚度植物仿生材料样品吸附量可达1.3 kg·m-2,可满足材料日蒸腾耗水量的要求;光学和红外模拟效果测试表明:植物仿生材料在光学波段(380～2 500 nm),特别是1 400和1 900 nm波长附近植物水吸收波段)内能够较好模拟植被的光谱反射特性,且具有与绿色植物相似的红外辐射日周期变化趋势,与绿色植物的日平均辐射温差为0.37 ℃,最大温差0.9 ℃,其仿生和蒸腾过程模拟效果明显。