0 引　言

随着数字技术的快速发展，数字技术在舰船立体流线造型设计中的影响力逐渐增大，静态图形设计不断地被动态图形设计所取代。动态图形设计是一种以计算机等终端为媒介的视觉设计方法。视觉感知是利用计算机对图片中的信息进行提取的一种技术，从同一个图片中提取出的信息内容，由视觉感知算法或者模型的设计决定。从使用场景来看，视觉感知模型可以分成通用模型和专用模型2种，通用模型能够处理绝大部分情况下的识别任务，专用模型通常是制定的专有算法模型，用于处理通用模型无法胜任的任务。本文融合动态图形和视觉感知技术，研究舰船立体流线造型的优化设计方法。

1 动态图形技术 1.1 动态图形的定义及特征

作为一种视觉语言，动态图形的目标是将相关的数据信息进行动态化以及图形化显示，因此动态图形是一种新的视觉设计形式，这里的图形是一种普遍的、抽象的符号，而不是某类具体的事物。动态图形结合了平面设计以及动态设计，是一种基于时间并且对静态图形进行延伸的视觉设计。综上分析，动态图形可以定义成一种基于时间尺度的并以传递数据信息为目的动态视觉形式。

作为一种新兴发展的视觉形式，动态图形具有一些新的特点，包括动态化、抽象化、表现力丰富、视觉吸引以及视觉引导等。动态图形的动态化是由其时间维度决定的，因为动态图形本身是通过连续的动态来传递信息的；动态图形在设计过程中使用抽象化的图形来描述普遍的事物规律，能够突出事物特点，达到表意清晰明确的目的。由于动态图形对时间线进行扩展，因此可以对图形缩放等效果进行呈现，并且可以加入交互以及声音等元素，因此动态图形的表现力很丰富。运动的事物容易引起视觉的注意，因此人眼会首先捕捉动态的事物，基于这个原理，动态图形不但可以迅速地引起人眼的注意，而且可以控制人眼的关注点，以此提升信息传递的效率，这就是动态图形的视觉吸引力。动态图形的视觉吸引力实现了将信息传递给大众的第一步，为了能够促进大众快速掌握这些信息，则需要进行视觉引导，动态图形的视觉引导和视觉吸引一起发展，共同实现数据信息的快速高效地传递。因此和静态图形相比，动态图形可以根据事先设计好的流程完成图像的动态显示，这样可以对观众的偏好产生一定的影响，从而引导观众进行信息的接收。

1.2 动态图形的信息结构

动态图形的目标是为了传递信息，因此在动态图像的设计过程中，必须考虑数据信息的组织以及表现形式，只有数据信息具备动态图形的呈现结构，这样才可以更好地传递数据信息。数据信息的框架结构主要有结构关系以及表达方式2种。对于传统的动画而言，通常使用线性的叙事结构，但是对于动态图形而言，一般使用倒叙、插叙等非线性叙事方法，并且采用这些叙事方法之后，动态图形则不存在主角和故事线，通常是根据数据信息之间的承接关系，以将事情描述清楚为目标。动态图形在进行叙事的过程中，通常是以信息为中心，将主要观点放在开头，然后进行多线叙事，以概念信息为主线并配以补充说明为辅线，将各级数据信息展现出来。因此动态图形的数据信息框架表现为树状，其信息主干清晰明了，可以在短时间内收集大量的数据信息。

和传统的静态图形相比，时间尺度是动态图形最本质的特征。任何动态形式都是基于时间尺度的，并且时间设计主要是以时间长度以及节奏快慢为主。动态图形中各部分完成需要的时间称作时长，一般以秒或者帧来衡量时长，动态图形是通过多个静止画面共同构成的。为了能够实现数据信息的高效传输，需要注意动态图形的时长短这一重要特点。从表1可以看出，大部分的动态图形时长在20～30 s，时间一旦过长，则会使得观众产生不耐烦的情绪。动态图形各个部分时间的分配和叙事结构相结合，因此需要从时间方面对动态图形进行整体把控，重要的信息时间长点，其余信息时间短点，这样可以给观众足够多的时间接收重要信息，不重要的则一带而过。

2 视觉感知技术 2.1 视觉感知技术原理

视觉感知系统将采集到的图像信息转变成数字信号，同时将转换之后的数字信号传送给相应的图像处理系统中。图像处理系统以图像数字信号中的像素、灰度、对比度以及颜色等信息为基础，利用相应的图像处理算法对图像的特征进行提取，接着以预先设置好的边界条件为基础，进行判断，最后将判断的结果传送给目标操作系统设备。计算机的运算性能、图像信息的获取等技术极大地促进了视觉感知技术的发展，使得视觉感知技术具备十分广阔的发展前景。

对于不同大小的特征图，视觉感知算法可以制定相应个数的先验框，并且视觉感知算法以窗框比为基础，对先验框进行配置，同时先验框的大小可以随着特征图的减小而线性增长，特征图和先验框之间的关系如下式：

${s_k} = {s_{\min }} + \frac{{{s_{\max }} - {s_{\min }}}}{{m - 1}}\left( {k - 1} \right),k \in \left[ {1,m} \right]\text{。}$

(1)

根据公式（1）中的比例关系，可以得到先验框的宽度和高度，如下式：

$w_k^a = {s_k}\sqrt {{a_r}} \text{，}$

(2)

$h_k^a = \frac{{{s_k}}}{{\sqrt {{a_r}} }}\text{。}$

(3)

式中：a_r为先验框的长度和宽度的比值，在视觉感知系统中，a_r通常取{1,2,3,1/2,1/3}。因此视觉感知算法会产生6个先验框给每个特征图，则每个先验框的坐标位置可以用公式（4）和公式（5）计算得到，最终获得先验框的坐标为（w_i,h_j）。

${w_i} = \frac{{i + 0.5}}{{\left| {{f_k}} \right|}},i \in \left[ {0,\left| {{f_k}} \right|} \right]\text{，}$

(4)

${h_j} = \frac{{j + 0.5}}{{\left| {{f_k}} \right|}},j \in \left[ {0,\left| {{f_k}} \right|} \right]\text{。}$

(5)

为了降低视觉感知过程中产生的误差，使用最小化的损失函数来增加视觉感知过程中的准确性，如下式：

$l=\frac{1}{N}{\displaystyle \sum _{i=1}^{N}{\Vert {G}_{M}\left({I}_{d}\text{，}\omega \right)-\widehat{y}\Vert }_{{l}_{1}}} 。$

(6)

式中：G_M()函数为所使用的视觉感知系统；ω为视觉感知系统参数。视觉感知损失值比例和迭代次数之间关系如图1所示。

2.2 视觉感知系统的评价指标

视觉感知技术的评价指标主要是性能评价指标，使用平均精度值作为视觉感知技术的性能评价指标的衡量标准，视觉感知的平均精度值越高，则表明视觉感知的表现越好。准确率、召回率以及精确率是视觉感知过程中的3个基本评价标准，平均精度值的取值和这3个基本的评价指标有着紧密的联系。

准确率是指视觉感知系统认为感知正确的样本数量占样本总数的百分比，如下式：

$Accuracy = \frac{{TP + TN}}{{TP + TN + FP + FN}}\text{。}$

(7)

精确率是指视觉感知系统实际感知正确的样本数量占总样本个数的百分比，如下式：

$precision = \frac{{TP}}{{TP + FP}}\text{。}$

(8)

召回率是指实际为正确的样本并且被视觉感知系统正确判断的样本个数占总样本的百分比，如下式：

${Re} call = \frac{{TP}}{{TP + FN}}\text{。}$

(9)

3 舰船立体流线造型优化设计 3.1 船体曲面变形技术

船体曲面变形技术是舰船立体流线造型设计的基础，本文在船体曲面修改过程中，使用了平移、自由变形以及径向函数等技术，同时通过调整曲面控制网格，完成船体曲面调整的目的，调整之后的曲面依旧属于NURBS曲面。为了确保船体全局形变的连续性，本文设计出一种用于调整曲面网格的修改函数，如下式：

$\begin{split}&g\left({x}_{{b}_{i,j}}\right)=\\ &\left\{ \begin{array}{cc}{\alpha }_{1}\mathrm{sin}\left({u}_{i}\cdot {\text{π}} \right){\left[0.5\left( 1 - \mathrm{cos}2{\text{π}} \dfrac{{x}_{{b}_{i,j}} - {\alpha }_{2}}{{\alpha }_{2} - {x}_{1}} \right)\right]^{0.5}，} & x_1 < {x}_{{b}_{i,j}} < {\alpha }_{2}，\\ -{\alpha }_{1}\mathrm{sin}\left({u}_{i}\cdot {\text{π}} \right){\left[0.5\left( 1 - \mathrm{cos}2{\text{π}} \dfrac{{x}_{{b}_{i,j}} - {\alpha }_{2}}{{\alpha }_{2} - {x}_{1}} \right)\right]^{0.5}，} & {\alpha }_{2} < {x}_{{b}_{i,j}} < {x}_{2}，\\ 0 & {\rm{others}}。\end{array} \right. \end{split}$

(10)

式中：x₁为船体形变起始位置；x₂为船体形变结束位置；α₁为形变最大值。舰船立体流线造型优化设计过程中，先使用NURBS曲线解算出控制顶点，同时得出相关节点的矢量以及基函数，接着结合u和v 两个参数得出NURBS曲面，最终通过多个曲面得到船体的立体流线造型。利用船体曲面变形技术，可以自行修改相关参数变量以及权重因子，完成船体型线的优化。本文使用计算曲线和原曲线之前的绝对误差ε来衡量重构曲线的精度，如下式：

${\varepsilon _i} = \left| {{p_i} - p\left( {{u_i}} \right)} \right|\text{。}$

(11)

式中：p_i为原始曲线点，p(u_i)为曲线插值点。误差结果如图3所示，可以看出，优化之后的曲线最大误差为0.0731 mm，平均误差为0.0467 mm。

3.2 船型优化计算

舰船立体流线造型优化设计系统中集成了船体几何重构、近似模型、兴波阻力预警以及智能优化模块。为了测试验证该舰船立体流线造型优化设计系统的实用性，本文利用该系统对船体进行优化设计，并对设计的立体流线造型进行有限元验证。基于曲面控制网格，采用势流算法对船体的阻力进行预报。同时采用智能算法以及近似模型，极大地提升了舰船立体流线造型的优化效率。对舰船立体流线造型进行优化设计，不断需要对设计变量进行约束，还需要对船体湿表面积以及排水量进行控制，数学模型如下式：

$\begin{split} & \min {f_{obj}} = {c_{ws}}\left( {Fr = 0.3,{\alpha _1},{\alpha _2},P_{1} - P_{6}} \right) ，\\ & {\rm{s.t}}:\left| {\nabla V} \right| < 0.5{\text{%}} ，\\ & \quad\;\;\; {\left| {\nabla S} \right|} < 0.5{\text{%}} \text{。} \end{split}$

(12)

为了对舰船立体流线造型的优化结果进行测试验证，采用粘性的有限元分析法对优化前以及优化之后舰船的阻力进行计算，阻力系数的计算方法如下式：

${C_t} = \dfrac{{{R_t}}}{{\dfrac{1}{2}\rho S{U^2}}}\text{。}$

(13)

4 结　语

和静态图形相比，动态图形具备很多独特的作用，动态图形设计在探索过程中不断发展，动态图形在图形设计领域发挥的作用越来越大。随着人工智能以及大数据技术的快速发展，视觉感知技术得到了跨越式提升，将智能感知技术应用到视觉图形设计中，同时提取有用的信息并进行处理分析，将对视觉图形设计方法起到推动作用。本文基于动态图形技术以及视觉感知技术，研究舰船立体流线造型优化设计方法，提升舰船造型设计效率。