基于视觉感知的电致变色薄膜自适应伪装效果量化评估新方法

针对动态伪装效果评估中主客观一致性难题，中国科学院团队创新性地结合视觉注意力机制与目标显著性检测理论，构建了融合亮度、颜色、纹理特征的低层语义分析模型。通过马尔可夫链量化目标显著性值，首次实现电致变色薄膜（EC film）伪装效能的客观评价，实验验证其与主观评估高度吻合，为智能隐身材料研发提供科学评估工具。

　　

在现代战争中，目标的暴露往往意味着毁灭。随着多光谱侦察技术的进步，传统静态伪装已难以应对高分辨率探测的挑战。电致变色薄膜（Electrochromic film, EC film）作为智能变色材料的代表，能通过电信号主动调节光学特性，实现与环境动态融合的"主动隐身"效果。然而，如何科学评估这类材料的伪装效能，一直是军事伪装领域的核心难题——传统野外测试成本高昂且重复性差，而基于深度学习的评估方法又面临数据需求大、算力消耗高的瓶颈。更关键的是，现有评估模型多依赖低层特征融合，未能充分考虑人类视觉注意力分配机制与目标显著性（Saliency）的认知规律，导致主客观评价结果存在显著偏差。

针对这一挑战，中国科学院研究团队在《Displays》发表论文，创新性地将视觉注意力机制与目标显著性检测理论引入伪装评估领域。研究人员首先构建包含亮度、颜色（CIE-Lab空间）、纹理（Gabor滤波器）的多维度特征体系，通过高斯金字塔分解模拟人类视觉系统的多尺度处理特性；继而基于注意力焦点分析确定各特征权重，并引入马尔可夫状态转移矩阵计算目标显著性值，最终建立量化评估模型。实验采用无人机采集的21组电致变色薄膜伪装图像（含暗绿/浅绿/土黄三种变色状态），通过对比客观算法输出与30名观察者的主观评分验证模型有效性。

算法模型
研究团队提出四阶段评估框架：特征提取阶段通过高斯金字塔分解获得多尺度亮度、颜色对比度（RG、BY通道）和方向纹理特征；显著性融合阶段采用归一化-线性加权策略整合特征图；权重分配阶段依据视觉注意力焦点动态调整特征贡献度；最终通过马尔可夫链计算像素级显著性值，其状态转移概率由空间距离和特征相似度共同决定。

数据收集与处理
实验选用10cm×10cm电致变色薄膜样本，在七类典型战场背景（森林、荒漠等）下通过大疆Mavic无人机采集多光谱图像。预处理阶段采用超像素分割和K-means聚类消除光照干扰，构建包含21组标准测试图像的数据集。

性能评估
客观评估结果显示，暗绿色薄膜在森林背景下的平均显著性值最低（0.32±0.07），与主观评估的"最优伪装"结论一致；而土黄色在荒漠背景中的显著性峰值（0.68±0.11）对应主观报告的"最易探测"。Spearman相关性分析证实主客观评价秩相关系数达0.89（p<0.01），显著优于传统UIQI（Universal Image Quality Index）方法的0.72。

结论与意义
该研究首次将视觉认知机制与量化模型相结合，解决了电致变色材料伪装效果评估的主客观一致性问题。创新点在于：1）建立基于注意力焦点动态加权的多特征融合框架；2）引入马尔可夫链建模显著性传播过程，量化目标与环境交互效应。这不仅为智能伪装材料的研发提供标准化评估工具，其视觉感知驱动的分析思路更可拓展至红外/雷达多频谱隐身评估领域。未来研究可进一步整合眼动追踪数据优化权重分配模型，并探索该算法在动态视频序列评估中的应用。