现代视频图像弱小目标检测导论

图书信息

内容简介

本书是一本关于图像弱小目标检测方法的专著，全面系统地阐述了当前数字图像处理中目标检测算法的一些主流技术，包括基于模糊数学、数学形态学、分形学、子波变换、神经网络和遗传算法等多种目标检测算法及其应用；并将组合优化技术引入到目标检测算法中；同时，研究了决策融合技术在目标检测中的应用，指出了决策融合用于目标检测必须解决的三大问题，并针对性地给出了解决策略。很后，针对复杂背景弱小目标的检测以及单目标和多目标的跟踪问题，还重点研究了基于粒子滤波器的先跟踪后检测的算法，给出了相关算法的详细推导和部分实验结果。

目录

1. 现代视频图像弱小目标检测导论 目录
2. 目 录前言第1章 概论 11.1目标检测的内涵 11.2目标检测方法概述 11.2.1模糊数学方法 91.2.2数学形态学方法 21.2.3分形学方法 31.2.4子波变换方法 31.2.5神经网络方法 41.2.6粒子滤波方法 5参考文献 6第2章 图像目标特性分析 102.1引言 109.9太阳的辐射特性 102.2.1黑体辐射定律 102.2.2太阳辐射在进人大气层后的传播形式 112.3海浪的阳光反射模型 142.3.1菲涅尔反射系数 142.3.2海浪的反射模型 142.4云团的阳光反射模型 172.4.1光在大气中的传输模型 172.4.2成像传感器接收云团阳光散射的模型 182.5红外图像特征描述 202.5.1点目标辐射强度分布特性 202.5.2背景起伏特性 212.5.3噪声分布特性 222.6小结 22参考文献 23第3章 运动模糊图像复原方法 243.1引言 243.2线性模糊图像复原 253.2.1图像模糊退化分析 253.2.2均匀积分模糊图像的复原 263.2.3非均匀积分模糊图像的复原 373.3旋转模糊图像复原 443.3.1旋转模糊退化分析 453.3.2模糊路径提取 473.3.3基于维纳滤波的旋转模糊图像复原 493.3.4基于对角加载的旋转模糊图像复原 493.3.5几种旋转模糊图像复原算法的效果比较 533.4小结 58参考文献 58第4章 基于信息处理的电子稳像方法 604.1引言 604.2图像运动模型和电子稳像原理 614.2.1摄像机成像模型分析 614.2.2图像运动模型 634.2.3电子稳像原理 664.3运动估计算法 674.3.1灰度投影法 674.3.2梯度法 704.3.3特征量匹配法 714.3.4块匹配法 724.3.5其他运动估计方法 734.4基于块匹配的电子稳像方法 744.4.1图像预处理 754.4.2运动估计模型 774.4.3局部运动矢量估计 774.4.4全局运动矢量估计 874.4.5运动补偿 904.4.6电子稳像仿真实验结果 944.5小结 103参考文献 103第5章 基于模糊数学的目标检测方法 1065.1引言 1065.2模糊数学理论 1065.2.1模糊集 1065.2.2模糊度 1075.3基于模糊数学的目标检测算法 1085.3.1图像模糊增强的模型 1085.3.2常用的模糊增强算法 1095.3.3改进的模糊增强算法 1115.3.4实验结果 1125.4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 1196.1引言 1196.2形态滤波理论 1196.2.1二值形态滤波理论 1196.2.2灰值形态滤波理论 1226.3基于形态滤波的目标检测算法 1266.4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 1317.1引言 1317.2遗传算法基本理论 1327.2.1遗传算法的基本概念 1327.2.2遗传算法的编码及适应度函数 1337.2.3遗传算法的基本操作 1357.2.4遗传算法模式理论和特点 1377.3形态滤波与遗传算法在目标检测中的运用 1407.3.1目标检测算法 1417.3.2遗传算子确定 1417.3.3白适应遗传策略算法 1457.3.4基于遗传算法的白适应形态滤波目标检测算法 1477.4小结 150参考文献 151第8章 基于分形学的目标检测方法 1528.1引言 1528.2分形理论 1528.2.1分形维数 1528.2.2 DFBIR场维数 1538.3基于分形技术的目标检测算法 1548.3.1基于分形维数的目标检测 1548.3.2基于分形模型图像误差的目标检测 1568.3.3基于分形技术改进的目标检测算法 1578.4小结 160参考文献 161第9章 基于子波变换的目标检测方法 1629.1引言 1629.2子波变换理论 1629.2.1连续子波变换 1629.2.2离散子波变换 1639.2.3多分辨率分析 1639.2.4子波基函数分析 1649.2.5信号奇异性及子波变换模极大值 1669.3基于子波变换的目标检测算法 1679.3.1图像预处理 1679.3.2潜在目标图像区域划分 1689.3.3潜在目标检测 1709.4小结 172参考文献 172第10章 基于神经网络的目标检测方法 17410.1引言 17410.2神经网络基础 17410.2.1远动图像的时变特性 17410.2.2神经网络学习规则 17510.2.3白适应BP学习算法 17710.3形态学神经网络目标检测算法 17710.3.1神经网络模型参数 17710.3.2形态学变权神经网络算法 17810.4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 18311.1引言 18311.2弱小目标的状态与测量模型 18411.3先跟踪后检测方法的贝叶斯形式 18411.4基于粒子滤波器的先跟踪后检测算法 18511.5仿真实验及实验结果 18811.6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 19212.1引言 19212.2先跟踪后检测的贝叶斯形式 19312.3混合贝叶斯跟踪 19412.4混合粒子滤波器 19512.5贝叶斯目标检测 19712.6仿真实验 20012.7小结 203参考文献 203第13章 基于组合优化的目标检测方法 20513.1引言 20513.2神经网络多分类器组合 20513.3贝叶斯多分类器组合 20713.4基于Bagging的分类器组合 20913.5基于Adaboost的分类器组合 21113.6基于Adaboost算法的目标检测与仿真实验 21413.6.1基于Adaboost算法的目标检测 21513.6.2仿真实验 21613.7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 22414.1信息融合 22414.2决策融合方法 22614.2.1基于主观贝叶斯概率推理理论的决策融合 22614.2.2基于DS证据理论的决策融合 22714.2.3基于人T智能的决策融合 22914.2.4基于模糊子集理论的决策融合 23014.2.5基于投票规则的决策融合 23114.2.6基于神经网络技术的决策融合 23114.3决策融合用于目标检测 23414.3.1单个检测器决策结果的描述形式 23414.3.2如何实现各单个检测器的决策结果的融合 23614.3.3决策结果的评价 24114.4投票表决技术在决策融合中的应用 24114.4.1未考虑先验知识的表决融合 24214.4.2基于连续五帧图像的投票表决融合 24514.4.3基于先验知识的表决融合 25014.5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 25715.1引言 25715.2图像特征点检测算法 25715.2.1角点检测方法 25815.2.2尺度不变特征点检测算子 26215.2.3特征点描述符的建立 26715.3基于SIFT特征的运动目标跟踪 27015.3.1基于累积SIFT特征的目标跟踪算法 27115.3.2实验结果及分析 27715.4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 28316.1引言 28316.2全局运动估计与补偿技术 28316.2.1 Kl．T特征追踪器 28416.2.2图像运动参数的估计与补偿 28616.2.3基于RAN SAC算法的动态特征消除 28816.2.4基于多分辨率技术的快速运动估计与补偿 29016.3基于粒子滤波的运动目标检测与跟踪 29316.3.1粒子滤波器 29416.3.2基于KLD采样的白适应粒子滤波器 29916.3.3白适应粒子滤波器用于多运动目标检测与跟踪 30116.4基于图像动态层表述的目标跟踪 31316.4.1图像的动态层表述 31416.4.2动态层表述跟踪算法的实现 31616.5小结 323参考文献 323第17章 复杂背景下的目标识别与跟踪 32617.1引言 32617.2潜在目标区域提取 32617.2.1图像的*小化能量分割法．Q9717.2.2区域运动状态分析 33117.3目标识别 33217.3.1主成分分析 33317.3.2奇异值分解 33517.3.3目标识别实验 33817.4目标跟踪 34517.4.1鲁棒统计及其在目标跟踪巾的应用 34617.4.2仿射变换及其在目标跟踪巾的应用 35317.4.3目标跟踪稳定性措施 35617.4.4目标跟踪处理算法流程 35917.5小结 366参考文献 366后记 369彩图
3. 展开全部