随着科技的发展,数字伪装技术变得越来越多元化和智能化,尤其在最近几年,由于超材料的出现,使自适应数字伪装技术的实现成为了可能,人们对“隐身”这个概念的关注程度越来越高。本文针对自适应伪装的关键性技术进行研究,以可变视角及动态环境场景为前提,采用图像处理和深度学习的方法,实现伪装目标的自适应隐身,达到肉眼几乎不可见的目的,主要的研究内容有:（1）基于数码迷彩的自适应数字伪装技术研究数码迷彩是当今世界使用最广泛的数字伪装技术,本文基于此,设计了一种多步骤的自适应数字伪装技术,首先通过从每帧图像上提取环境信息,然后利用颜色丰富度指标和k均值聚类算法提取主要颜色信息,再使用基于贪婪流动场的迭代算法获取随机数码纹理,最后将颜色信息和纹理信息融合作为这一帧图像的伪装。实验结果表明该算法在伪装目标静止和运动过程中都有着良好的伪装效果。（2）基于时空信息的自适应数字伪装技术研究本文设计了一种基于二维时空门控卷积的编码器解码器网络结构,利用门控单元和时空单元进行帧与帧之间的信息特征提取,添加边缘提取模块加强网络对边缘信息的处理,设计鉴别器优化伪装效果,使之更加真实。结果显示,该算法的结构相似度指标为0.976,峰值信噪比指标为39.5,算法速度可达11.3帧/秒。同时本文开发了一款主观评价软件,能够全面的对算法进行分析比较。算法令伪装目标在视觉上几乎完全隐身,具有很好的伪装效果。（3）红外环境下的自适应数字伪装技术研究为了进行全天候伪装,考虑到在夜晚或大雾等能见度低的场景中,红外探测方式是主流的侦察方式,因此对于自适应数字伪装技术的研究需要延伸到红外领域。通过对比分析红外图像和可见光图像的特点,本文改进了上述提出的U型网络结构,针对于红外纹理平缓而边缘锐利的特点,通过三维卷积提取特征,设计了新的网络模型.结果表明红外环境下算法的结构相似度指标为0.991,峰值信噪比指标为44.8,算法速度可达10.1帧/秒。在红外条件有很好的伪装效果。自适应数字伪装技术的研究对于自然探索、娱乐生活、潜伏侦查、国家安防和科学研究具有十分重大的意义。