掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
公路車寶典(ZINN的公路車維修與保養秘籍)
-
>
晶體管電路設計(下)
-
>
基于個性化設計策略的智能交通系統關鍵技術
-
>
花樣百出:貴州少數民族圖案填色
-
>
山東教育出版社有限公司技術轉移與技術創新歷史叢書中國高等技術教育的蘇化(1949—1961)以北京地區為中心
-
>
鐵路機車概要.交流傳動內燃.電力機車
-
>
利維坦的道德困境:早期現代政治哲學的問題與脈絡
遠距復雜背景紅外暗弱小目標檢測技術 版權信息
- ISBN：9787515923468
- 條形碼：9787515923468 ; 978-7-5159-2346-8
- 裝幀：精裝
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
遠距復雜背景紅外暗弱小目標檢測技術 內容簡介
本書共8章，詳細介紹了紅外小目標檢測技術概述、紅外暗弱小目標探測理論基礎、低信雜比環境紅外弱小目標檢測技術、強反射環境紅外暗弱小目標檢測技術、強雜波環境紅外弱小目標檢測技術、復雜背景紅外弱小目標智能檢測技術、弱小目標紅外雙波段圖像融合檢測技術、紅外與可見光圖像融合弱小目標檢測技術等內容。全書力求內容覆蓋全面，融入了紅外弱小目標檢測方面的*新成果，以使讀者全面系統地了解機載、艦載、彈載和車載等紅外成像搜索與跟蹤系統遠距復雜背景目標截獲中的關鍵難點、核心技術和設計方法等。
本書可供從事機載、艦載、彈載和車載等紅外成像搜索與跟蹤系統的圖像處理專業的設計人員使用，也可供其他相關專業科研人員和高等院校師生參考。
遠距復雜背景紅外暗弱小目標檢測技術 目錄
第1章紅外小目標檢測技術概述1
1.1紅外成像探測技術發展概況1
1.1.1紅外成像探測基本原理1
1.1.2紅外成像探測技術發展現狀14
1.1.3紅外成像探測技術應用概況22
1.2典型紅外成像探測系統介紹27
1.2.1紅外成像導引系統27
1.2.2紅外搜索與跟蹤系統31
1.2.3紅外告警系統37
1.2.4紅外小目標探測性能指標39
1.3紅外小目標檢測技術發展概況40
1.3.1小目標檢測問題描述40
1.3.2小目標檢測技術研究現狀42
1.3.3本書主要內容51
本章小結52
第2章紅外暗弱小目標探測理論基礎53 2.1紅外暗弱小目標與背景特性53 2.1.1紅外圖像的特性53 2.1.2暗弱小目標紅外特性55 2.1.3背景紅外特性59 2.2常用暗弱小目標檢測方法64 2.2.1空域處理方法64 2.2.2變換域處理方法73 2.2.3時域處理方法78 2.2.4深度學習方法83 2.3暗弱小目標檢測性能指標86 2.3.1目標信號質量指標87 2.3.2圖像信號質量指標88 2.3.3檢測算法性能指標89 本章小結91
第3章低信雜比環境紅外弱小目標檢測技術92 3.1基于空域顯著性的弱小目標檢測92 3.1.1空域顯著特性92 3.1.2空域濾波方法93 3.1.3空域顯著圖計算和顯著度分割96 3.1.4弱小目標檢測算法97 3.2基于頻域顯著性的弱小目標檢測100 3.2.1頻域顯著特性101 3.2.2頻域濾波方法102 3.2.3頻域顯著圖計算105 3.2.4頻譜殘差計算107 3.2.5弱小目標檢測算法108 3.3基于時空頻域顯著性的弱小目標檢測110 3.3.1時域能量累積110 3.3.2時域管道濾波114 3.3.3時域動態規劃117 3.3.4弱小目標檢測算法120 本章小結132
第4章強反射環境紅外暗弱小目標檢測技術133 4.1暗目標檢測方法133 4.1.1局部能量因子133 4.1.2MLCMLEF暗目標檢測算法134 4.1.3MPCMLEF暗目標檢測算法135 4.2空域先驗信息背景抑制方法137 4.2.1背景與暗目標灰度直方圖分析137 4.2.2背景與暗目標灰度概率分布模型139 4.2.3背景抑制方法142 4.3融合背景先驗的時空顯著性暗目標檢測145 4.3.1算法原理145 4.3.2算法流程145 4.3.3示例147 本章小結152
第5章強雜波環境紅外弱小目標檢測技術153 5.1自適應圖像分割153 5.1.1場景區域分類154 5.1.2自適應閾值分割158 5.2背景抑制方法162 5.2.1背景特征分析162 5.2.2基于梯度特征的背景抑制方法164 5.3基于位置灰度面積關聯的動態管道濾波166 5.3.1背景時空波動特征分析166 5.3.2基于位置灰度面積關聯的動態管道濾波原理168 5.4自適應紅外小目標檢測170 5.4.1算法原理170 5.4.2算法流程171 5.4.3示例172 本章小結177
第6章復雜背景紅外弱小目標智能檢測技術178 6.1卷積神經網絡小目標檢測178 6.1.1通用檢測網絡178 6.1.2小目標檢測網絡設計188 6.1.3示例193 6.2基于深度學習的分割算法198 6.2.1通用分割網絡198 6.2.2小目標分割網絡設計205 6.2.3示例210 6.3三維卷積神經網絡小目標檢測212 6.3.1通用檢測網絡212 6.3.2小目標檢測網絡設計213 6.3.3示例216 6.4融合時序信息的小目標智能檢測217 6.4.1基于時空信息關聯算法218 6.4.2基于融合注意力機制的時空神經網絡算法原理230 6.4.3示例236 本章小結243
第7章弱小目標紅外雙波段圖像融合檢測技術244 7.1目標與背景雙波段特性分析244 7.1.1目標雙波段特性244 7.1.2背景雙波段特性248 7.1.3融合圖像特性250 7.2雙波段圖像傳統融合方法253 7.2.1基于空間域的圖像融合方法254 7.2.2基于變換域的圖像融合方法255 7.3雙波段圖像深度學習融合方法262 7.3.1DenseFuse圖像融合算法262 7.3.2DRF圖像融合算法265 7.3.3RFNNest圖像融合算法268 7.3.4基于生成對抗網絡的圖像融合算法272 7.3.5基于VGG19網絡圖像融合算法276 7.4雙波段圖像傳統深度學習融合方法280 7.4.1參數智能學習的紅外雙波段圖像像素級融合方法280 7.4.2參數智能學習的紅外雙波段圖像特征級融合方法283 7.4.3雙波段圖像融合評價指標286 7.4.4示例293 7.5弱小目標雙波段檢測297 7.5.1融合檢測原理297 7.5.2算法流程301 7.5.3示例303 本章小結308
第8章紅外與可見光圖像融合弱小目標檢測技術309 8.1紅外與可見光融合理論基礎309 8.1.1圖像預處理310 8.1.2紅外與可見光圖像融合基本方法311 8.1.3紅外與可見光圖像融合評價標準316 8.2基于邊緣特征和互信息的紅外與可見光圖像配準317 8.2.1邊緣檢測317 8.2.2邊緣檢測結合互信息的圖像配準319 8.2.3示例320 8.3基于NSSTPCNN的紅外與可見光圖像融合方法321 8.3.1非下采樣剪切波變換321 8.3.2脈沖耦合神經網絡323 8.3.3NSSTPCNN圖像融合算法324 8.3.4示例326 本章小結328
參考文獻330
第2章紅外暗弱小目標探測理論基礎53 2.1紅外暗弱小目標與背景特性53 2.1.1紅外圖像的特性53 2.1.2暗弱小目標紅外特性55 2.1.3背景紅外特性59 2.2常用暗弱小目標檢測方法64 2.2.1空域處理方法64 2.2.2變換域處理方法73 2.2.3時域處理方法78 2.2.4深度學習方法83 2.3暗弱小目標檢測性能指標86 2.3.1目標信號質量指標87 2.3.2圖像信號質量指標88 2.3.3檢測算法性能指標89 本章小結91
第3章低信雜比環境紅外弱小目標檢測技術92 3.1基于空域顯著性的弱小目標檢測92 3.1.1空域顯著特性92 3.1.2空域濾波方法93 3.1.3空域顯著圖計算和顯著度分割96 3.1.4弱小目標檢測算法97 3.2基于頻域顯著性的弱小目標檢測100 3.2.1頻域顯著特性101 3.2.2頻域濾波方法102 3.2.3頻域顯著圖計算105 3.2.4頻譜殘差計算107 3.2.5弱小目標檢測算法108 3.3基于時空頻域顯著性的弱小目標檢測110 3.3.1時域能量累積110 3.3.2時域管道濾波114 3.3.3時域動態規劃117 3.3.4弱小目標檢測算法120 本章小結132
第4章強反射環境紅外暗弱小目標檢測技術133 4.1暗目標檢測方法133 4.1.1局部能量因子133 4.1.2MLCMLEF暗目標檢測算法134 4.1.3MPCMLEF暗目標檢測算法135 4.2空域先驗信息背景抑制方法137 4.2.1背景與暗目標灰度直方圖分析137 4.2.2背景與暗目標灰度概率分布模型139 4.2.3背景抑制方法142 4.3融合背景先驗的時空顯著性暗目標檢測145 4.3.1算法原理145 4.3.2算法流程145 4.3.3示例147 本章小結152
第5章強雜波環境紅外弱小目標檢測技術153 5.1自適應圖像分割153 5.1.1場景區域分類154 5.1.2自適應閾值分割158 5.2背景抑制方法162 5.2.1背景特征分析162 5.2.2基于梯度特征的背景抑制方法164 5.3基于位置灰度面積關聯的動態管道濾波166 5.3.1背景時空波動特征分析166 5.3.2基于位置灰度面積關聯的動態管道濾波原理168 5.4自適應紅外小目標檢測170 5.4.1算法原理170 5.4.2算法流程171 5.4.3示例172 本章小結177
第6章復雜背景紅外弱小目標智能檢測技術178 6.1卷積神經網絡小目標檢測178 6.1.1通用檢測網絡178 6.1.2小目標檢測網絡設計188 6.1.3示例193 6.2基于深度學習的分割算法198 6.2.1通用分割網絡198 6.2.2小目標分割網絡設計205 6.2.3示例210 6.3三維卷積神經網絡小目標檢測212 6.3.1通用檢測網絡212 6.3.2小目標檢測網絡設計213 6.3.3示例216 6.4融合時序信息的小目標智能檢測217 6.4.1基于時空信息關聯算法218 6.4.2基于融合注意力機制的時空神經網絡算法原理230 6.4.3示例236 本章小結243
第7章弱小目標紅外雙波段圖像融合檢測技術244 7.1目標與背景雙波段特性分析244 7.1.1目標雙波段特性244 7.1.2背景雙波段特性248 7.1.3融合圖像特性250 7.2雙波段圖像傳統融合方法253 7.2.1基于空間域的圖像融合方法254 7.2.2基于變換域的圖像融合方法255 7.3雙波段圖像深度學習融合方法262 7.3.1DenseFuse圖像融合算法262 7.3.2DRF圖像融合算法265 7.3.3RFNNest圖像融合算法268 7.3.4基于生成對抗網絡的圖像融合算法272 7.3.5基于VGG19網絡圖像融合算法276 7.4雙波段圖像傳統深度學習融合方法280 7.4.1參數智能學習的紅外雙波段圖像像素級融合方法280 7.4.2參數智能學習的紅外雙波段圖像特征級融合方法283 7.4.3雙波段圖像融合評價指標286 7.4.4示例293 7.5弱小目標雙波段檢測297 7.5.1融合檢測原理297 7.5.2算法流程301 7.5.3示例303 本章小結308
第8章紅外與可見光圖像融合弱小目標檢測技術309 8.1紅外與可見光融合理論基礎309 8.1.1圖像預處理310 8.1.2紅外與可見光圖像融合基本方法311 8.1.3紅外與可見光圖像融合評價標準316 8.2基于邊緣特征和互信息的紅外與可見光圖像配準317 8.2.1邊緣檢測317 8.2.2邊緣檢測結合互信息的圖像配準319 8.2.3示例320 8.3基于NSSTPCNN的紅外與可見光圖像融合方法321 8.3.1非下采樣剪切波變換321 8.3.2脈沖耦合神經網絡323 8.3.3NSSTPCNN圖像融合算法324 8.3.4示例326 本章小結328
參考文獻330
展開全部
書友推薦
- >
我從未如此眷戀人間
- >
羅庸西南聯大授課錄
- >
巴金－再思錄
- >
唐代進士錄
- >
煙與鏡
- >
苦雨齋序跋文-周作人自編集
- >
小考拉的故事-套裝共3冊
- >
李白與唐代文化
本類暢銷
