掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
闖進數學世界――探秘歷史名題
-
>
中醫基礎理論
-
>
當代中國政府與政治(新編21世紀公共管理系列教材)
-
>
高校軍事課教程
-
>
思想道德與法治(2021年版)
-
>
毛澤東思想和中國特色社會主義理論體系概論(2021年版)
-
>
中醫內科學·全國中醫藥行業高等教育“十四五”規劃教材
基于隨機場的水下聲吶圖像處理(精)/海洋機器人科學與技術叢書 版權信息
- ISBN：9787508857855
- 條形碼：9787508857855 ; 978-7-5088-5785-5
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>>
基于隨機場的水下聲吶圖像處理(精)/海洋機器人科學與技術叢書 本書特色
本書可作為水下機器人、智能無人系統開發和水下聲吶圖像處理相關專業的高年級本科生或研究生的參考書，也可作為工程技術人員的參考手冊。
基于隨機場的水下聲吶圖像處理(精)/海洋機器人科學與技術叢書 內容簡介
本書利用Markov隨機場理論對水下聲吶圖像處理所涉及的圖像分割、圖像識別和圖像配準等問題進行系統的研究全書首先從傳感器數據采集的角度對聲吶圖像進行簡潔直觀的介紹。接著以聲吶圖像分割為應用背景對Markov隨機場、條件隨機場、均值場以及它們之間的關系進行全面深入的推導和闡述。*后將隨機場理論引入互信息，介紹一種基于外周互信息的前視聲吶圖像配準方法。水下環境的特殊性造成了感知數據的特異性。本書注意到了將通用的隨機場理論引入實際水下聲吶圖像處理領域所帶來的適應性問題，對此進行了深入的分析并提出相應的解決方案。 本書可作為水下機器人、智能無人系統開發和水下聲吶圖像處理相關專業的高年級本科生或研究生的參考書，也可作為工程技術人員的參考手冊。
基于隨機場的水下聲吶圖像處理(精)/海洋機器人科學與技術叢書 目錄
目錄
叢書前言一
叢書前言二
前言
1 緒論 1
1.1 聲吶圖像讀取 3
1.1.1 Didson 前視聲吶 3
1.1.2 BlueView 前視聲吶 4
1.1.3 側掃聲吶圖像 5
1.2 側掃聲吶圖像校正 7
1.2.1 DVL 的記錄格式 7
1.2.2 從相對坐標系到絕對坐標系的映射 8
1.3 水下聲吶圖像處理研究現狀 12
1.3.1 圖像分割 12
1.3.2 目標識別 15
1.4 本書的主要工作 17
參考文獻 18
2 基于 MRF 模型的聲吶圖像分割 (I)：先驗參數估計 21
2.1 判別式和生成式 21
2.2 Markov 隨機場 22
2.2.1 *大后驗概率 22
2.2.2 類條件分布 22
2.2.3 先驗分布 23
2.2.4 參數估計 24
2.3 條件參數估計 25
2.4 先驗參數估計 26
2.4.1 偽似然估計 27
2.4.2 基于 Coding 的偽似然估計 29
2.4.3 均值場逼近 29
2.4.4 MCMC：均勻采樣 30
2.4.5 MCMCML：重要性采樣 31
2.4.6 無似然算法 33
2.4.7 *小二乘法 34
2.5 基于局部中心編碼的先驗參數估計 35
2.5.1 Ising 場 37
2.5.2 Potts 場 38
2.5.3 統一的 LAE 算法 39
2.6 實驗準備 40
2.6.1 評價指標：Cramer-Rao 界 40
2.6.2 Onsager 的解析解 42
2.6.3 紋理圖像生成 43
2.7 實驗結果 44
2.7.1 收斂速度（各向同） 44
2.7.2 Cramer-Rao 界（各向同） 46
2.7.3 各向異時的先驗參數估計 49
2.7.4 聲吶圖像分割 55
2.8 小結 56
參考文獻 57
3 基于 MRF 模型的聲吶圖像分割 (II)：Markov 鏈的初始化 60
3.1 標簽場初始化 60
3.2 基于 SAE 的標簽場初始化 62
3.2.1 autoencoder 62
3.2.2 SAE 網絡 63
3.2.3 SAE 網絡的學習算法 63
3.2.4 選擇性激活函數 65
3.3 實驗 66
3.3.1 標簽場初始化 69
3.3.2 圖像分割 69
3.4 小結 70
參考文獻 72
4 基于 Graded-MRF 的聲吶圖像分割 73
4.1 回顧：離散形式的 MRF 算法 74
4.2 EMMF(I): 從 EM 說起 75
4.2.1 Gibbs 分布的向量形式 75
4.2.2 MRF 的一般形式 76
4.2.3 用 EM 估計參數并不可行 77
4.2.4 均值場近似計算原理 78
4.2.5 均值 hzsi 依然無法求解 79
4.3 EMMF(II): 算法推導 80
4.3.1 Markov 鏈更新 80
4.3.2 Maximization：計算 P(zs丨X，Ψ (t)) 81
4.3.3 Expectation(I): 利用似然學習Θ 81
4.3.4 Expectation(II): 利用似然學習β 83
4.3.5 EMMF 算法 84
4.4 Graded-MRF 85
4.4.1 熱浴動力 86
4.4.2 Potts 系統的平衡態 89
4.4.3 （內場）參數估計 91
4.4.4 （外場）類條件參數估計 93
4.4.5 Graded-MRF 算法 94
4.4.6 另一個視角：用 Bayes 推斷思考先驗參數估計 95
4.5 實驗 96
4.5.1 前視聲吶圖像 96
4.5.2 側掃聲吶圖像 98
4.6 小結 100
參考文獻 100
5 基于 CRF 的前視聲吶目標識別 102
5.1 從 MRF 到 CRF 103
5.1.1 基于塊的 MRF 模型 103
5.1.2 CRF 104
5.1.3 交互函數 104
5.2 似然*大 105
5.2.1 似然函數 105
5.2.2 梯度 105
5.2.3 鞍點近似 107
5.2.4 利用 LBP 計算 MAP 108
5.2.5 理解 LBP 的傳播過程 109
5.3 預處理：去除虛景噪聲 110
5.3.1 坐標轉換 110
5.3.2 虛景檢測 112
5.3.3 基于 MRF 的圖像復原 112
5.4 特征提取 113
5.4.1 紋理特征 113
5.4.2 形狀特征 115
5.5 實驗 (I)：直角坐標系 116
5.5.1 CRF 訓練 118
5.5.2 識別結果 120
5.6 實驗 (II)：極坐標系 121
5.6.1 極坐標系中的特征提取 121
5.6.2 識別結果 124
5.7 討論 125
5.7.1 相鄰圖像塊之間交互 125
5.7.2 進行特征提取的原因 126
5.8 小結 127
參考文獻 127
6 二維前視聲吶圖像配準：外周互信息*大化 129
6.1 二維前視聲吶圖像配準 129
6.1.1 圖像配準 130
6.1.2 前視聲吶圖像配準算法分類 130
6.2 互信息*大化 132
6.2.1 互信息 132
6.2.2 研究現狀 133
6.2.3 區域互信息 133
6.3 外周互信息 135
6.3.1 正態分布假設 135
6.3.2 獨立假設 137
6.4 實驗 139
6.4.1 鄰域的大小 140
6.4.2 估計已知變換參數的聲吶圖像對 141
6.4.3 聲吶圖像配準 (I)：管線埋設數據集 145
6.4.4 聲吶圖像配準 (II)：非結構化環境 149
6.5 小結 151
參考文獻 152
附錄A 利用 LAE 算法估計 Kanter 的 Potts 模型 155
參考文獻 159
附錄B 利用 LAE 算法估計 Descombes 的 Potts 模型 160
參考文獻 162
索引 163
彩圖
展開全部
書友推薦
- >
人文閱讀與收藏·良友文學叢書:一天的工作
- >
大紅狗在馬戲團-大紅狗克里弗-助人
- >
龍榆生：詞曲概論/大家小書
- >
莉莉和章魚
- >
推拿
- >
回憶愛瑪儂
- >
名家帶你讀魯迅:故事新編
- >
苦雨齋序跋文-周作人自編集
本類暢銷
