现代视频图像弱小目标检测导论
全新正版 极速发货
￥ 110.29 6.6折 ￥ 168 全新
仅1件
广东广州
认证卖家担保交易快速发货售后保障
作者朱振福 等 著
出版社科学出版社
ISBN9787030589088
出版时间2019-01
装帧精装
开本16开
定价168元
货号1201822908
上书时间2024-12-02
商品详情
- 品相描述：全新
- 商品描述
-
目录
前言
章概论
1.1目标检测的内涵
1.2目标检测方法概述
1.2.1模糊数学方法
1.2.2数学形态学方法
1.2.3分形学方法
1.2.4子波变换方法
1.2.5神经网络方法
1.2.6粒子滤波方法
参考文献
第2章图像目标特性分析
2.1引言
9.9太阳的辐射特性
2.2.1黑体辐射定律
2.2.2太阳辐射在进人大气层后的传播形式
2.3海浪的阳光反射模型
2.3.1菲涅尔反射系数
2.3.2海浪的反射模型
2.4云团的阳光反射模型
2.4.1光在大气中的传输模型
2.4.2成像传感器接收云团阳光散射的模型
2.5红外图像特征描述
2.5.1点目标辐射强度分布特性
2.5.2背景起伏特性
2.5.3噪声分布特性
2.6小结
参考文献
第3章运动模糊图像复原方法
3.1引言
3.2线性模糊图像复原
3.2.1图像模糊退化分析
3.2.2均匀积分模糊图像的复原
3.2.3非均匀积分模糊图像的复原
3.3旋转模糊图像复原
3.3.1旋转模糊退化分析
3.3.2模糊路径提取
3.3.3基于维纳滤波的旋转模糊图像复原
3.3.4基于对角加载的旋转模糊图像复原
3.3.5几种旋转模糊图像复原算法的效果比较
3.4小结
参考文献
第4章基于信息处理的电子稳像方法
4.1引言
4.2图像运动模型和电子稳像原理
4.2.1摄像机成像模型分析
4.2.2图像运动模型
4.2.3电子稳像原理
4.3运动估计算法
4.3.1灰度投影法
4.3.2梯度法
4.3.3特征量匹配法
4.3.4块匹配法
4.3.5其他运动估计方法
4.4基于块匹配的电子稳像方法
4.4.1图像预处理
4.4.2运动估计模型
4.4.3局部运动矢量估计
4.4.4全局运动矢量估计
4.4.5运动补偿
4.4.6电子稳像仿真实验结果
4.5小结
参考文献
第5章基于模糊数学的目标检测方法
5.1引言
5.2模糊数学理论
5.2.1模糊集
5.2.2模糊度
5.3基于模糊数学的目标检测算法
5.3.1图像模糊增强的模型
5.3.2常用的模糊增强算法
5.3.3改进的模糊增强算法
5.3.4实验结果
5.4小结
参考文献
第6章基于数学形态学的目标检测方法
6.1引言
6.2形态滤波理论
6.2.1二值形态滤波理论
6.2.2灰值形态滤波理论
6.3基于形态滤波的目标检测算法
6.4小结
参考文献
第7章形态滤波与遗传算法相结合的目标检测方法
7.1引言
7.2遗传算法基本理论
7.2.1遗传算法的基本概念
7.2.2遗传算法的编码及适应度函数
7.2.3遗传算法的基本操作
7.2.4遗传算法模式理论和特点
7.3形态滤波与遗传算法在目标检测中的运用
7.3.1目标检测算法
7.3.2遗传算子确定
7.3.3白适应遗传策略算法
7.3.4基于遗传算法的白适应形态滤波目标检测算法
7.4小结
参考文献
第8章基于分形学的目标检测方法
8.1引言
8.2分形理论
8.2.1分形维数
8.2.2DFBIR场维数
8.3基于分形技术的目标检测算法
8.3.1基于分形维数的目标检测
8.3.2基于分形模型图像误差的目标检测
8.3.3基于分形技术改进的目标检测算法
8.4小结
参考文献
第9章基于子波变换的目标检测方法
9.1引言
9.2子波变换理论
9.2.1连续子波变换
9.2.2离散子波变换
9.2.3多分辨率分析
9.2.4子波基函数分析
9.2.5信号奇异性及子波变换模极大值
9.3基于子波变换的目标检测算法
9.3.1图像预处理
9.3.2潜在目标图像区域划分
9.3.3潜在目标检测
9.4小结
参考文献
0章基于神经网络的目标检测方法
10.1引言
10.2神经网络基础
10.2.1远动图像的时变特性
10.2.2神经网络学习规则
10.2.3白适应BP学习算法
10.3形态学神经网络目标检测算法
10.3.1神经网络模型参数
10.3.2形态学变权神经网络算法
10.4小结
参考文献
1章基于粒子滤波器的先跟踪后检测方法
11.1引言
11.2弱小目标的状态与测量模型
11.3先跟踪后检测方法的贝叶斯形式
11.4基于粒子滤波器的先跟踪后检测算法
11.5仿真实验及实验结果
11.6小结
参考文献
2章基于混合粒子滤波的多目标检测与跟踪
12.1引言
12.2先跟踪后检测的贝叶斯形式
12.3混合贝叶斯跟踪
12.4混合粒子滤波器
12.5贝叶斯目标检测
12.6仿真实验
12.7小结
参考文献
3章基于组合优化的目标检测方法
13.1引言
13.2神经网络多分类器组合
13.3贝叶斯多分类器组合
13.4基于Bagging的分类器组合
13.5基于Adaboost的分类器组合
13.6基于Adaboost算法的目标检测与仿真实验
13.6.1基于Adaboost算法的目标检测
13.6.2仿真实验
13.7小结
参考文献
4章决策融合技术在目标检测中的应用
14.1信息融合
14.2决策融合方法
14.2.1基于主观贝叶斯概率推理理论的决策融合
14.2.2基于DS证据理论的决策融合
14.2.3基于人T智能的决策融合
14.2.4基于模糊子集理论的决策融合
14.2.5基于投票规则的决策融合
14.2.6基于神经网络技术的决策融合
14.3决策融合用于目标检测
14.3.1单个检测器决策结果的描述形式
14.3.2如何实现各单个检测器的决策结果的融合
14.3.3决策结果的评价
14.4投票表决技术在决策融合中的应用
14.4.1未考虑先验知识的表决融合
14.4.2基于连续五帧图像的投票表决融合
14.4.3基于先验知识的表决融合
14.5小结
参考文献
5章基于特征的运动目标检测与跟踪
15.1引言
15.2图像特征点检测算法
15.2.1角点检测方法
15.2.2尺度不变特征点检测算子
15.2.3特征点描述符的建立
15.3基于SIFT特征的运动目标跟踪
15.3.1基于累积SIFT特征的目标跟踪算法
15.3.2实验结果及分析
15.4小结
参考文献
6章动平台光电成像的运动目标检测与跟踪
16.1引言
16.2全局运动估计与补偿技术
16.2.1Kl.T特征追踪器
16.2.2图像运动参数的估计与补偿
16.2.3基于RANSAC算法的动态特征消除
16.2.4基于多分辨率技术的快速运动估计与补偿
16.3基于粒子滤波的运动目标检测与跟踪
16.3.1粒子滤波器
16.3.2基于KLD采样的白适应粒子滤波器
16.3.3白适应粒子滤波器用于多运动目标检测与跟踪
16.4基于图像动态层表述的目标跟踪
16.4.1图像的动态层表述
16.4.2动态层表述跟踪算法的实现
16.5小结
参考文献
7章复杂背景下的目标识别与跟踪
17.1引言
17.2潜在目标区域提取
17.2.1图像的最小化能量分割法
17.2.2区域运动状态分析
17.3目标识别
17.3.1主成分分析
17.3.2奇异值分解
17.3.3目标识别实验
17.4目标跟踪
17.4.1鲁棒统计及其在目标跟踪巾的应用
17.4.2仿射变换及其在目标跟踪巾的应用
17.4.3目标跟踪稳定性措施
17.4.4目标跟踪处理算法流程
17.5小结
参考文献
后记
彩图
内容摘要
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。
— 没有更多了 —
以下为对购买帮助不大的评价