现代视频图像弱小目标检测导论PDF|Epub|txt|kindle电子书版本网盘下载

现代视频图像弱小目标检测导论PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章 概论1

1.1目标检测的内涵1

1.2目标检测方法概述1

1.2.1模糊数学方法2

1.2.2数学形态学方法2

1.2.3分形学方法3

1.2.4子波变换方法3

1.2.5神经网络方法4

1.2.6粒子滤波方法5

参考文献6

第2章 图像目标特性分析10

2.1引言10

2.2太阳的辐射特性10

2.2.1黑体辐射定律10

2.2.2太阳辐射在进入大气层后的传播形式11

2.3海浪的阳光反射模型14

2.3.1菲涅尔反射系数14

2.3.2海浪的反射模型14

2.4云团的阳光反射模型17

2.4.1光在大气中的传输模型17

2.4.2成像传感器接收云团阳光散射的模型18

2.5红外图像特征描述20

2.5.1点目标辐射强度分布特性20

2.5.2背景起伏特性21

2.5.3噪声分布特性22

2.6小结22

参考文献23

第3章 运动模糊图像复原方法24

3.1引言24

3.2线性模糊图像复原25

3.2.1图像模糊退化分析25

3.2.2均匀积分模糊图像的复原26

3.2.3非均匀积分模糊图像的复原37

3.3旋转模糊图像复原44

3.3.1旋转模糊退化分析45

3.3.2模糊路径提取47

3.3.3基于维纳滤波的旋转模糊图像复原49

3.3.4基于对角加载的旋转模糊图像复原49

3.3.5几种旋转模糊图像复原算法的效果比较53

3.4小结58

参考文献58

第4章 基于信息处理的电子稳像方法60

4.1引言60

4.2图像运动模型和电子稳像原理61

4.2.1摄像机成像模型分析61

4.2.2图像运动模型63

4.2.3电子稳像原理66

4.3运动估计算法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块匹配法72

4.3.5其他运动估计方法73

4.4基于块匹配的电子稳像方法74

4.4.1图像预处理75

4.4.2运动估计模型77

4.4.3局部运动矢量估计77

4.4.4全局运动矢量估计87

4.4.5运动补偿90

4.4.6电子稳像仿真实验结果94

4.5小结103

参考文献103

第5章 基于模糊数学的目标检测方法106

5.1引言106

5.2模糊数学理论106

5.2.1模糊集106

5.2.2模糊度107

5.3基于模糊数学的目标检测算法108

5.3.1图像模糊增强的模型108

5.3.2常用的模糊增强算法109

5.3.3改进的模糊增强算法111

5.3.4实验结果112

5.4小结118

参考文献118

第6章 基于数学形态学的目标检测方法119

6.1引言119

6.2形态滤波理论119

6.2.1二值形态滤波理论119

6.2.2灰值形态滤波理论122

6.3基于形态滤波的目标检测算法126

6.4小结129

参考文献130

第7章 形态滤波与遗传算法相结合的目标检测方法131

7.1引言131

7.2遗传算法基本理论132

7.2.1遗传算法的基本概念132

7.2.2遗传算法的编码及适应度函数133

7.2.3遗传算法的基本操作135

7.2.4遗传算法模式理论和特点137

7.3形态滤波与遗传算法在目标检测中的运用140

7.3.1目标检测算法141

7.3.2遗传算子确定141

7.3.3自适应遗传策略算法145

7.3.4基于遗传算法的自适应形态滤波目标检测算法147

7.4小结150

参考文献151

第8章 基于分形学的目标检测方法152

8.1引言152

8.2分形理论152

8.2.1分形维数152

8.2.2 DFBIR场维数153

8.3基于分形技术的目标检测算法154

8.3.1基于分形维数的目标检测154

8.3.2基于分形模型图像误差的目标检测156

8.3.3基于分形技术改进的目标检测算法157

8.4小结160

参考文献161

第9章 基于子波变换的目标检测方法162

9.1引言162

9.2子波变换理论162

9.2.1连续子波变换162

9.2.2离散子波变换163

9.2.3多分辨率分析163

9.2.4子波基函数分析164

9.2.5信号奇异性及子波变换模极大值166

9.3基于子波变换的目标检测算法167

9.3.1图像预处理167

9.3.2潜在目标图像区域划分168

9.3.3潜在目标检测170

9.4小结172

参考文献172

第10章 基于神经网络的目标检测方法174

10.1引言174

10.2神经网络基础174

10.2.1运动图像的时变特性174

10.2.2神经网络学习规则175

10.2.3自适应BP学习算法177

10.3形态学神经网络目标检测算法177

10.3.1神经网络模型参数177

10.3.2形态学变权神经网络算法178

10.4小结182

参考文献182

第11章 基于粒子滤波器的先跟踪后检测方法183

11.1引言183

11.2弱小目标的状态与测量模型184

11.3先跟踪后检测方法的贝叶斯形式184

11.4基于粒子滤波器的先跟踪后检测算法185

11.5仿真实验及实验结果188

11.6小结190

参考文献190

第12章 基于混合粒子滤波的多目标检测与跟踪192

12.1引言192

12.2先跟踪后检测的贝叶斯形式193

12.3混合贝叶斯跟踪194

12.4混合粒子滤波器195

12.5贝叶斯目标检测197

12.6仿真实验200

12.7小结203

参考文献203

第13章 基于组合优化的目标检测方法205

13.1引言205

13.2神经网络多分类器组合205

13.3贝叶斯多分类器组合207

13.4基于Bagging的分类器组合209

13.5基于Adaboost的分类器组合211

13.6基于Adaboost算法的目标检测与仿真实验214

13.6.1基于Adaboost算法的目标检测215

13.6.2仿真实验216

13.7小结222

参考文献222

第14章 决策融合技术在目标检测中的应用224

14.1信息融合224

14.2决策融合方法226

14.2.1基于主观贝叶斯概率推理理论的决策融合226

14.2.2基于D-S证据理论的决策融合227

14.2.3基于人工智能的决策融合229

14.2.4基于模糊子集理论的决策融合230

14.2.5基于投票规则的决策融合231

14.2.6基于神经网络技术的决策融合231

14.3决策融合用于目标检测234

14.3.1单个检测器决策结果的描述形式234

14.3.2如何实现各单个检测器的决策结果的融合236

14.3.3决策结果的评价241

14.4投票表决技术在决策融合中的应用241

14.4.1未考虑先验知识的表决融合242

14.4.2基于连续五帧图像的投票表决融合245

14.4.3基于先验知识的表决融合250

14.5小结255

参考文献256

第15章 基于特征的运动目标检测与跟踪257

15.1引言257

15.2图像特征点检测算法257

15.2.1角点检测方法258

15.2.2尺度不变特征点检测算子262

15.2.3特征点描述符的建立267

15.3基于SIFT特征的运动目标跟踪270

15.3.1基于累积SIFT特征的目标跟踪算法271

15.3.2实验结果及分析277

15.4小结280

参考文献281

第16章 动平台光电成像的运动目标检测与跟踪283

16.1引言283

16.2全局运动估计与补偿技术283

16.2.1 KLT特征追踪器284

16.2.2图像运动参数的估计与补偿286

16.2.3基于RANSAC算法的动态特征消除288

16.2.4基于多分辨率技术的快速运动估计与补偿290

16.3基于粒子滤波的运动目标检测与跟踪293

16.3.1粒子滤波器294

16.3.2基于KLD采样的自适应粒子滤波器299

16.3.3自适应粒子滤波器用于多运动目标检测与跟踪301

16.4基于图像动态层表述的目标跟踪313

16.4.1图像的动态层表述314

16.4.2动态层表述跟踪算法的实现316

16.5小结323

参考文献323

第17章 复杂背景下的目标识别与跟踪326

17.1引言326

17.2潜在目标区域提取326

17.2.1图像的最小化能量分割法327

17.2.2区域运动状态分析331

17.3目标识别332

17.3.1主成分分析333

17.3.2奇异值分解335

17.3.3目标识别实验338

17.4目标跟踪345

17.4.1鲁棒统计及其在目标跟踪中的应用346

17.4.2仿射变换及其在目标跟踪中的应用353

17.4.3目标跟踪稳定性措施356

17.4.4目标跟踪处理算法流程359

17.5小结366

参考文献366

后记369