中圖網小程序
一鍵登錄
更方便
本類五星書更多>
-
>
全國計算機等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應用
-
>
決戰行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調優實踐之路
-
>
第一行代碼Android
-
>
JAVA持續交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學習
現代視頻圖像弱小目標檢測導論 版權信息
- ISBN：9787030589088
- 條形碼：9787030589088 ; 978-7-03-058908-8
- 裝幀：暫無
- 冊數：暫無
- 重量：暫無
- 所屬分類：>>
現代視頻圖像弱小目標檢測導論 內容簡介
本書是一本關于圖像弱小目標檢測方法的專著，全面系統地闡述了當前數字圖像處理中目標檢測算法的一些主流技術，包括基于模糊數學、數學形態學、分形學、子波變換、神經網絡和遺傳算法等多種目標檢測算法及其應用；并將組合優化技術引入到目標檢測算法中；同時，研究了決策融合技術在目標檢測中的應用，指出了決策融合用于目標檢測必須解決的三大問題，并針對性地給出了解決策略。很后，針對復雜背景弱小目標的檢測以及單目標和多目標的跟蹤問題，還重點研究了基于粒子濾波器的先跟蹤后檢測的算法，給出了相關算法的詳細推導和部分實驗結果。
現代視頻圖像弱小目標檢測導論 目錄
目 錄
前言
第1章 概論 1
1.1目標檢測的內涵 1
1.2目標檢測方法概述 1
1.2.1模糊數學方法 9
1.2.2數學形態學方法 2
1.2.3分形學方法 3
1.2.4子波變換方法 3
1.2.5神經網絡方法 4
1.2.6粒子濾波方法 5
參考文獻 6
第2章 圖像目標特性分析 10
2.1引言 10
9.9太陽的輻射特性 10
2.2.1黑體輻射定律 10
2.2.2太陽輻射在進人大氣層后的傳播形式 11
2.3海浪的陽光反射模型 14
2.3.1菲涅爾反射系數 14
2.3.2海浪的反射模型 14
2.4云團的陽光反射模型 17
2.4.1光在大氣中的傳輸模型 17
2.4.2成像傳感器接收云團陽光散射的模型 18
2.5紅外圖像特征描述 20
2.5.1點目標輻射強度分布特性 20
2.5.2背景起伏特性 21
2.5.3噪聲分布特性 22
2.6小結 22
參考文獻 23
第3章 運動模糊圖像復原方法 24
3.1引言 24
3.2線性模糊圖像復原 25
3.2.1圖像模糊退化分析 25
3.2.2均勻積分模糊圖像的復原 26
3.2.3非均勻積分模糊圖像的復原 37
3.3旋轉模糊圖像復原 44
3.3.1旋轉模糊退化分析 45
3.3.2模糊路徑提取 47
3.3.3基于維納濾波的旋轉模糊圖像復原 49
3.3.4基于對角加載的旋轉模糊圖像復原 49
3.3.5幾種旋轉模糊圖像復原算法的效果比較 53
3.4小結 58
參考文獻 58
第4章 基于信息處理的電子穩像方法 60
4.1引言 60
4.2圖像運動模型和電子穩像原理 61
4.2.1攝像機成像模型分析 61
4.2.2圖像運動模型 63
4.2.3電子穩像原理 66
4.3運動估計算法 67
4.3.1灰度投影法 67
4.3.2梯度法 70
4.3.3特征量匹配法 71
4.3.4塊匹配法 72
4.3.5其他運動估計方法 73
4.4基于塊匹配的電子穩像方法 74
4.4.1圖像預處理 75
4.4.2運動估計模型 77
4.4.3局部運動矢量估計 77
4.4.4全局運動矢量估計 87
4.4.5運動補償 90
4.4.6電子穩像仿真實驗結果 94
4.5小結 103
參考文獻 103
第5章 基于模糊數學的目標檢測方法 106
5.1引言 106
5.2模糊數學理論 106
5.2.1模糊集 106
5.2.2模糊度 107
5.3基于模糊數學的目標檢測算法 108
5.3.1圖像模糊增強的模型 108
5.3.2常用的模糊增強算法 109
5.3.3改進的模糊增強算法 111
5.3.4實驗結果 112
5.4小結 118
參考文獻 118
第6章 基于數學形態學的目標檢測方法 119
6.1引言 119
6.2形態濾波理論 119
6.2.1二值形態濾波理論 119
6.2.2灰值形態濾波理論 122
6.3基于形態濾波的目標檢測算法 126
6.4小結 129
參考文獻 130
第7章 形態濾波與遺傳算法相結合的目標檢測方法 131
7.1引言 131
7.2遺傳算法基本理論 132
7.2.1遺傳算法的基本概念 132
7.2.2遺傳算法的編碼及適應度函數 133
7.2.3遺傳算法的基本操作 135
7.2.4遺傳算法模式理論和特點 137
7.3形態濾波與遺傳算法在目標檢測中的運用 140
7.3.1目標檢測算法 141
7.3.2遺傳算子確定 141
7.3.3白適應遺傳策略算法 145
7.3.4基于遺傳算法的白適應形態濾波目標檢測算法 147
7.4小結 150
參考文獻 151
第8章 基于分形學的目標檢測方法 152
8.1引言 152
8.2分形理論 152
8.2.1分形維數 152
8.2.2 DFBIR場維數 153
8.3基于分形技術的目標檢測算法 154
8.3.1基于分形維數的目標檢測 154
8.3.2基于分形模型圖像誤差的目標檢測 156
8.3.3基于分形技術改進的目標檢測算法 157
8.4小結 160
參考文獻 161
第9章 基于子波變換的目標檢測方法 162
9.1引言 162
9.2子波變換理論 162
9.2.1連續子波變換 162
9.2.2離散子波變換 163
9.2.3多分辨率分析 163
9.2.4子波基函數分析 164
9.2.5信號奇異性及子波變換模極大值 166
9.3基于子波變換的目標檢測算法 167
9.3.1圖像預處理 167
9.3.2潛在目標圖像區域劃分 168
9.3.3潛在目標檢測 170
9.4小結 172
參考文獻 172
第10章 基于神經網絡的目標檢測方法 174
10.1引言 174
10.2神經網絡基礎 174
10.2.1遠動圖像的時變特性 174
10.2.2神經網絡學習規則 175
10.2.3白適應BP學習算法 177
10.3形態學神經網絡目標檢測算法 177
10.3.1神經網絡模型參數 177
10.3.2形態學變權神經網絡算法 178
10.4小結 182
參考文獻 182
第11章 基于粒子濾波器的先跟蹤后檢測方法 183
11.1引言 183
11.2弱小目標的狀態與測量模型 184
11.3先跟蹤后檢測方法的貝葉斯形式 184
11.4基于粒子濾波器的先跟蹤后檢測算法 185
11.5仿真實驗及實驗結果 188
11.6小結 190
參考文獻 190
第12章 基于混合粒子濾波的多目標檢測與跟蹤 192
12.1引言 192
12.2先跟蹤后檢測的貝葉斯形式 193
12.3混合貝葉斯跟蹤 194
12.4混合粒子濾波器 195
12.5貝葉斯目標檢測 197
12.6仿真實驗 200
12.7小結 203
參考文獻 203
第13章 基于組合優化的目標檢測方法 205
13.1引言 205
13.2神經網絡多分類器組合 205
13.3貝葉斯多分類器組合 207
13.4基于Bagging的分類器組合 209
13.5基于Adaboost的分類器組合 211
13.6基于Adaboost算法的目標檢測與仿真實驗 214
13.6.1基于Adaboost算法的目標檢測 215
13.6.2仿真實驗 216
13.7小結222
參考文獻222
第14章 決策融合技術在目標檢測中的應用 224
14.1信息融合 224
14.2決策融合方法 226
14.2.1基于主觀貝葉斯概率推理理論的決策融合 226
14.2.2基于DS證據理論的決策融合 227
14.2.3基于人T智能的決策融合 229
14.2.4基于模糊子集理論的決策融合 230
14.2.5基于投票規則的決策融合 231
14.2.6基于神經網絡技術的決策融合 231
14.3決策融合用于目標檢測 234
14.3.1單個檢測器決策結果的描述形式 234
14.3.2如何實現各單個檢測器的決策結果的融合 236
14.3.3決策結果的評價 241
14.4投票表決技術在決策融合中的應用 241
14.4.1未考慮先驗知識的表決融合 242
14.4.2基于連續五幀圖像的投票表決融合 245
14.4.3基于先驗知識的表決融合 250
14.5小結 255
參考文獻 256
第15章 基于特征的運動目標檢測與跟蹤 257
15.1引言 257
15.2圖像特征點檢測算法 257
15.2.1角點檢測方法 258
15.2.2尺度不變特征點檢測算子 262
15.2.3特征點描述符的建立 267
15.3基于SIFT特征的運動目標跟蹤 270
15.3.1基于累積SIFT特征的目標跟蹤算法 271
15.3.2實驗結果及分析 277
15.4小結 280
參考文獻 281
第16章 動平臺光電成像的運動目標檢測與跟蹤 283
16.1引言 283
16.2全局運動估計與補償技術 283
16.2.1 Kl．T特征追蹤器 284
16.2.2圖像運動參數的估計與補償 286
16.2.3基于RAN SAC算法的動態特征消除 288
16.2.4基于多分辨率技術的快速運動估計與補償 290
16.3基于粒子濾波的運動目標檢測與跟蹤 293
16.3.1粒子濾波器 294
16.3.2基于KLD采樣的白適應粒子濾波器 299
16.3.3白適應粒子濾波器用于多運動目標檢測與跟蹤 301
16.4基于圖像動態層表述的目標跟蹤 313
16.4.1圖像的動態層表述 314
16.4.2動態層表述跟蹤算法的實現 316
16.5小結 323
參考文獻 323
第17章 復雜背景下的目標識別與跟蹤 326
17.1引言 326
17.2潛在目標區域提取 326
17.2.1圖像的*小化能量分割法．Q97
17.2.2區域運動狀態分析 331
17.3目標識別 332
17.3.1主成分分析 333
17.3.2奇異值分解 335
17.3.3目標識別實驗 338
17.4目標跟蹤 345
17.4.1魯棒統計及其在目標跟蹤巾的應用 346
17.4.2仿射變換及其在目標跟蹤巾的應用 353
17.4.3目標跟蹤穩定性措施 356
17.4.4目標跟蹤處理算法流程 359
17.5小結 366
參考文獻 366
后記 369
彩圖
前言
第1章 概論 1
1.1目標檢測的內涵 1
1.2目標檢測方法概述 1
1.2.1模糊數學方法 9
1.2.2數學形態學方法 2
1.2.3分形學方法 3
1.2.4子波變換方法 3
1.2.5神經網絡方法 4
1.2.6粒子濾波方法 5
參考文獻 6
第2章 圖像目標特性分析 10
2.1引言 10
9.9太陽的輻射特性 10
2.2.1黑體輻射定律 10
2.2.2太陽輻射在進人大氣層后的傳播形式 11
2.3海浪的陽光反射模型 14
2.3.1菲涅爾反射系數 14
2.3.2海浪的反射模型 14
2.4云團的陽光反射模型 17
2.4.1光在大氣中的傳輸模型 17
2.4.2成像傳感器接收云團陽光散射的模型 18
2.5紅外圖像特征描述 20
2.5.1點目標輻射強度分布特性 20
2.5.2背景起伏特性 21
2.5.3噪聲分布特性 22
2.6小結 22
參考文獻 23
第3章 運動模糊圖像復原方法 24
3.1引言 24
3.2線性模糊圖像復原 25
3.2.1圖像模糊退化分析 25
3.2.2均勻積分模糊圖像的復原 26
3.2.3非均勻積分模糊圖像的復原 37
3.3旋轉模糊圖像復原 44
3.3.1旋轉模糊退化分析 45
3.3.2模糊路徑提取 47
3.3.3基于維納濾波的旋轉模糊圖像復原 49
3.3.4基于對角加載的旋轉模糊圖像復原 49
3.3.5幾種旋轉模糊圖像復原算法的效果比較 53
3.4小結 58
參考文獻 58
第4章 基于信息處理的電子穩像方法 60
4.1引言 60
4.2圖像運動模型和電子穩像原理 61
4.2.1攝像機成像模型分析 61
4.2.2圖像運動模型 63
4.2.3電子穩像原理 66
4.3運動估計算法 67
4.3.1灰度投影法 67
4.3.2梯度法 70
4.3.3特征量匹配法 71
4.3.4塊匹配法 72
4.3.5其他運動估計方法 73
4.4基于塊匹配的電子穩像方法 74
4.4.1圖像預處理 75
4.4.2運動估計模型 77
4.4.3局部運動矢量估計 77
4.4.4全局運動矢量估計 87
4.4.5運動補償 90
4.4.6電子穩像仿真實驗結果 94
4.5小結 103
參考文獻 103
第5章 基于模糊數學的目標檢測方法 106
5.1引言 106
5.2模糊數學理論 106
5.2.1模糊集 106
5.2.2模糊度 107
5.3基于模糊數學的目標檢測算法 108
5.3.1圖像模糊增強的模型 108
5.3.2常用的模糊增強算法 109
5.3.3改進的模糊增強算法 111
5.3.4實驗結果 112
5.4小結 118
參考文獻 118
第6章 基于數學形態學的目標檢測方法 119
6.1引言 119
6.2形態濾波理論 119
6.2.1二值形態濾波理論 119
6.2.2灰值形態濾波理論 122
6.3基于形態濾波的目標檢測算法 126
6.4小結 129
參考文獻 130
第7章 形態濾波與遺傳算法相結合的目標檢測方法 131
7.1引言 131
7.2遺傳算法基本理論 132
7.2.1遺傳算法的基本概念 132
7.2.2遺傳算法的編碼及適應度函數 133
7.2.3遺傳算法的基本操作 135
7.2.4遺傳算法模式理論和特點 137
7.3形態濾波與遺傳算法在目標檢測中的運用 140
7.3.1目標檢測算法 141
7.3.2遺傳算子確定 141
7.3.3白適應遺傳策略算法 145
7.3.4基于遺傳算法的白適應形態濾波目標檢測算法 147
7.4小結 150
參考文獻 151
第8章 基于分形學的目標檢測方法 152
8.1引言 152
8.2分形理論 152
8.2.1分形維數 152
8.2.2 DFBIR場維數 153
8.3基于分形技術的目標檢測算法 154
8.3.1基于分形維數的目標檢測 154
8.3.2基于分形模型圖像誤差的目標檢測 156
8.3.3基于分形技術改進的目標檢測算法 157
8.4小結 160
參考文獻 161
第9章 基于子波變換的目標檢測方法 162
9.1引言 162
9.2子波變換理論 162
9.2.1連續子波變換 162
9.2.2離散子波變換 163
9.2.3多分辨率分析 163
9.2.4子波基函數分析 164
9.2.5信號奇異性及子波變換模極大值 166
9.3基于子波變換的目標檢測算法 167
9.3.1圖像預處理 167
9.3.2潛在目標圖像區域劃分 168
9.3.3潛在目標檢測 170
9.4小結 172
參考文獻 172
第10章 基于神經網絡的目標檢測方法 174
10.1引言 174
10.2神經網絡基礎 174
10.2.1遠動圖像的時變特性 174
10.2.2神經網絡學習規則 175
10.2.3白適應BP學習算法 177
10.3形態學神經網絡目標檢測算法 177
10.3.1神經網絡模型參數 177
10.3.2形態學變權神經網絡算法 178
10.4小結 182
參考文獻 182
第11章 基于粒子濾波器的先跟蹤后檢測方法 183
11.1引言 183
11.2弱小目標的狀態與測量模型 184
11.3先跟蹤后檢測方法的貝葉斯形式 184
11.4基于粒子濾波器的先跟蹤后檢測算法 185
11.5仿真實驗及實驗結果 188
11.6小結 190
參考文獻 190
第12章 基于混合粒子濾波的多目標檢測與跟蹤 192
12.1引言 192
12.2先跟蹤后檢測的貝葉斯形式 193
12.3混合貝葉斯跟蹤 194
12.4混合粒子濾波器 195
12.5貝葉斯目標檢測 197
12.6仿真實驗 200
12.7小結 203
參考文獻 203
第13章 基于組合優化的目標檢測方法 205
13.1引言 205
13.2神經網絡多分類器組合 205
13.3貝葉斯多分類器組合 207
13.4基于Bagging的分類器組合 209
13.5基于Adaboost的分類器組合 211
13.6基于Adaboost算法的目標檢測與仿真實驗 214
13.6.1基于Adaboost算法的目標檢測 215
13.6.2仿真實驗 216
13.7小結222
參考文獻222
第14章 決策融合技術在目標檢測中的應用 224
14.1信息融合 224
14.2決策融合方法 226
14.2.1基于主觀貝葉斯概率推理理論的決策融合 226
14.2.2基于DS證據理論的決策融合 227
14.2.3基于人T智能的決策融合 229
14.2.4基于模糊子集理論的決策融合 230
14.2.5基于投票規則的決策融合 231
14.2.6基于神經網絡技術的決策融合 231
14.3決策融合用于目標檢測 234
14.3.1單個檢測器決策結果的描述形式 234
14.3.2如何實現各單個檢測器的決策結果的融合 236
14.3.3決策結果的評價 241
14.4投票表決技術在決策融合中的應用 241
14.4.1未考慮先驗知識的表決融合 242
14.4.2基于連續五幀圖像的投票表決融合 245
14.4.3基于先驗知識的表決融合 250
14.5小結 255
參考文獻 256
第15章 基于特征的運動目標檢測與跟蹤 257
15.1引言 257
15.2圖像特征點檢測算法 257
15.2.1角點檢測方法 258
15.2.2尺度不變特征點檢測算子 262
15.2.3特征點描述符的建立 267
15.3基于SIFT特征的運動目標跟蹤 270
15.3.1基于累積SIFT特征的目標跟蹤算法 271
15.3.2實驗結果及分析 277
15.4小結 280
參考文獻 281
第16章 動平臺光電成像的運動目標檢測與跟蹤 283
16.1引言 283
16.2全局運動估計與補償技術 283
16.2.1 Kl．T特征追蹤器 284
16.2.2圖像運動參數的估計與補償 286
16.2.3基于RAN SAC算法的動態特征消除 288
16.2.4基于多分辨率技術的快速運動估計與補償 290
16.3基于粒子濾波的運動目標檢測與跟蹤 293
16.3.1粒子濾波器 294
16.3.2基于KLD采樣的白適應粒子濾波器 299
16.3.3白適應粒子濾波器用于多運動目標檢測與跟蹤 301
16.4基于圖像動態層表述的目標跟蹤 313
16.4.1圖像的動態層表述 314
16.4.2動態層表述跟蹤算法的實現 316
16.5小結 323
參考文獻 323
第17章 復雜背景下的目標識別與跟蹤 326
17.1引言 326
17.2潛在目標區域提取 326
17.2.1圖像的*小化能量分割法．Q97
17.2.2區域運動狀態分析 331
17.3目標識別 332
17.3.1主成分分析 333
17.3.2奇異值分解 335
17.3.3目標識別實驗 338
17.4目標跟蹤 345
17.4.1魯棒統計及其在目標跟蹤巾的應用 346
17.4.2仿射變換及其在目標跟蹤巾的應用 353
17.4.3目標跟蹤穩定性措施 356
17.4.4目標跟蹤處理算法流程 359
17.5小結 366
參考文獻 366
后記 369
彩圖
展開全部
書友推薦
- >
煙與鏡
- >
羅曼·羅蘭讀書隨筆-精裝
- >
史學評論
- >
新文學天穹兩巨星--魯迅與胡適/紅燭學術叢書(紅燭學術叢書)
- >
伊索寓言-世界文學名著典藏-全譯本
- >
山海經
- >
李白與唐代文化
- >
名家帶你讀魯迅:朝花夕拾
本類暢銷
