智能信息融合与目标识别方法

图书标准信息

• 作者 胡玉兰
• 出版社 机械工业出版社
• 出版时间 2018-05
• 版次 1
• ISBN 9787111593171
• 定价 59.00元
• 装帧 其他
• 开本 16开
• 纸张 轻型纸

【内容简介】

《智能信息融合与目标识别方法》研究了信息融合目标识别技术，首先分析了特征级融合目标识别的基本理论，然后研究了多源图像的预处理、结合阈值分割的分水岭算法、结合聚类分割的分水岭算法、目标特征提取方法。对于特征融合方法，研究了基于协方差矩阵多特征信息融合、基于主成分分析的特征融合方法、基于改进免疫遗传的特征融合方法、基于独立分量的特征融合、对典型相关分析特征融合方法的改进。后介绍了基于优化改进的反向传播神经网络目标识别、模糊支持向量机理论与编程、基于模糊支持向量机的识别系统。

【目录】

前言

第1 章　绪论  1

１. １　概述  １

１. ２　研究现状  ３

第2 章　特征级融合目标识别的基本理论  5

２. １　信息融合目标识别结构  ５

２. ２　特征级融合目标识别系统基本结构  ６

２. ３　特征级融合目标识别的关键问题分析  ８

　　２. ３. １　特征数据库  ８

　　２. ３. ２　特征提取  ８

　　２. ３. ３　特征融合  ８

　　２. ３. ４　目标识别  １０

２. ４　本章小结  １１

第3 章　多源图像的预处理  13

３. １　多源图像的去噪  １３

　　３. １. １　噪声分析  １３

　　３. １. ２　常用的图像去噪方法  １４

　　３. １. ３　几种较新的去噪方法  １５

３. ２　多源图像的平滑  ２０

　　３. ２. １　均值平滑法  ２０

　　３. ２. ２　邻域平均法  ２０

　　３. ２. ３　加权平均法  ２１

　　３. ２. ４　选择式掩模平滑法  ２１

３. ３　多源图像的滤波  ２３

　　３. ３. １　低通滤波  ２３

　　３. ３. ２　高通滤波  ２４

　　３. ３. ３　中值滤波  ２６

Ⅳ

　　３. ３. ４　维纳滤波  ２７

３. ４　本章小结  ２９

第4 章　结合阈值分割的分水岭算法  30

４. １　引言  ３０

４. ２　图像阈值分割概述  ３０

４. ３　常用的阈值分割方法  ３１

　　４. ３. １　全局阈值法  ３１

　　４. ３. ２　局部阈值法  ３６

　　４. ３. ３　动态阈值法  ３６

４. ４　改进的最大类间方差法  ３６

４. ５　本章小结  ４３

第5 章　结合聚类分割的分水岭算法  44

５. １　图像聚类分割概述  ４４

５. ２　常用的图像聚类分割算法  ４６

　　５. ２. １　划分聚类算法  ４６

　　５. ２. ２　层次聚类算法  ４７

　　５. ２. ３　基于密度的聚类算法  ４７

　　５. ２. ４　基于模型的聚类算法  ４８

　　５. ２. ５　基于网格的聚类算法  ４８

５. ３　改进的ＦＣＭ 聚类分割算法  ４９

５. ４　本章小结  ５３

第6 章　目标特征提取方法  54

６. １　传统的特征提取方法  ５７

　　６. １. １　经典的特征提取方法  ５７

　　６. １. ２　多项式不变矩  ５９

　　６. １. ３　共生矩阵  ６７

６. ２　红外和可见光图像特征提取和融合  ７０

　　６. ２. １　多传感器特征提取  ７０

　　６. ２. ２　目标区域分割和检测  ７１

　　６. ２. ３　特征提取与融合  ７３

６. ３　本章小结  ７５

第7 章　基于协方差矩阵多特征信息融合  77

７. １　图像特征提取  ７７

　　７. １. １　多传感器特征提取  ７７

Ⅴ

目　　录

　　７. １. ２　灰度特征  ７８

　　７. １. ３　空间信息特征  ７８

　　７. １. ４　梯度信息特征  ７９

７. ２　协方差矩阵的构造  ８０

　　７. ２. １　协方差矩阵与协方差  ８０

　　７. ２. ２　协方差矩阵距离的度量  ８１

　　７. ２. ３　特征协方差  ８２

７. ３　多特征信息融合  ８３

７. ４　融合实验结果与分析  ８３

７. ５　本章小结  ８５

第8 章　基于主成分分析的特征融合方法  87

８. １　特征提取  ８７

　　８. １. １　灰度共生矩阵  ８７

　　８. １. ２　Ｈｕ 不变矩  ８８

８. ２　几何特征  ９０

８. ３　主成分分析的定义  ９０

　　８. ３. １　主成分分析的基本原理  ９０

　　８. ３. ２　数学模型  ９１

　　８. ３. ３　主成分的推导  ９３

８. ４　基于主成分分析的图像特征级融合实现  ９６

　　８. ４. １　目标特征的提取  ９６

　　８. ４. ２　特征融合  ９６

　　８. ４. ３　实验结果与分析  ９６

８. ５　本章小结  ９９

第9 章　基于改进免疫遗传的特征融合方法  100

９. １　遗传算法基础理论  １００

　　９. １. １　遗传算法概述  １００

　　９. １. ２　遗传算法流程  １０１

９. ２　一般的免疫算法基础理论  １０３

　　９. ２. １　免疫算法概述  １０４

　　９. ２. ２　免疫算法流程  １０５

　　９. ２. ３　一般的免疫遗传算法  １０５

９. ３　基于改进免疫遗传的图像特征级融合实现  １０７

　　９. ３. １　改进算法的关键技术  １０７

　　９. ３. ２　基于改进免疫遗传的特征融合原理  １０８

Ⅵ

智能信息融合与目标识别方法

　　９. ３. ３　特征级融合实现  １０８

　　９. ３. ４　实验结果与分析  １１１

９. ４　本章小结  １１２

第10 章　基于独立分量的特征融合  113

１０. １　ＩＣＡ 的定义  １１３

１０. ２　随机变量的独立性概念  １１４

１０. ３　ＩＣＡ 独立性的度量  １１５

　　１０. ３. １　非高斯性  １１５

　　１０. ３. ２　互信息  １１７

１０. ４　快速固定点ＩＣＡ 算法  １１７

１０. ５　基于ＩＣＡ 的图像特征级融合实现  １１９

　　１０. ５. １　ＩＣＡ 的预处理  １１９

　　１０. ５. ２　特征融合  １２０

１０. ６　实验结果与分析  １２１

１０. ７　本章小结  １２５

第11 章　对典型相关分析特征融合方法的改进  126

１１. １　ＣＣＡ 的基本思想  １２６

１１. ２　ＣＣＡ 的基本原理  １２７

　　１１. ２. １　ＣＣＡ 的