《智慧型信息融合與目標識別方法》是一部由胡玉蘭、郝博、王東明所編著的書籍，機械工業出版社出版發行。
基本介紹
- 書名：智慧型信息融合與目標識別方法
- 作者：胡玉蘭、郝博、王東明
- ISBN：9787111593171
- 出版社：機械工業出版社
出版信息,內容簡介,目錄,
出版信息
出版社：機械工業出版社
ISBN：9787111593171
版次：1
商品編碼：12363770
品牌：機工出版
包裝：平裝
開本：16開
出版時間：2018-06-01
用紙：輕型紙
頁數：195
內容簡介
《智慧型信息融合與目標識別方法》研究了信息融合目標識別技術，首先分析了特徵級融合目標識別的基本理論，然後研究了多源圖像的預處理、結合閾值分割的分水嶺算法、結合聚類分割的分水嶺算法、目標特徵提取方法。對於特徵融合方法，研究了基於協方差矩陣多特徵信息融合、基於主成分分析的特徵融合方法、基於改進免疫遺傳的特徵融合方法、基於獨立分量的特徵融合、對典型相關分析特徵融合方法的改進。後介紹了基於最佳化改進的反向傳播神經網路目標識別、模糊支持向量機理論與編程、基於模糊支持向量機的識別系統。
目錄
前言
第1 章 緒論 1
1. 1 概述 1
1. 2 研究現狀 3
第2 章 特徵級融合目標識別的基本理論 5
2. 1 信息融合目標識別結構 5
2. 2 特徵級融合目標識別系統基本結構 6
2. 3 特徵級融合目標識別的關鍵問題分析 8
2. 3. 1 特徵資料庫 8
2. 3. 2 特徵提取 8
2. 3. 3 特徵融合 8
2. 3. 4 目標識別 10
2. 4 本章小結 11
第3 章 多源圖像的預處理 13
3. 1 多源圖像的去噪 13
3. 1. 1 噪聲分析 13
3. 1. 2 常用的圖像去噪方法 14
3. 1. 3 幾種較新的去噪方法 15
3. 2 多源圖像的平滑 20
3. 2. 1 均值平滑法 20
3. 2. 2 鄰域平均法 20
3. 2. 3 加權平均法 21
3. 2. 4 選擇式掩模平滑法 21
3. 3 多源圖像的濾波 23
3. 3. 1 低通濾波 23
3. 3. 2 高通濾波 24
3. 3. 3 中值濾波 26
Ⅳ
3. 3. 4 維納濾波 27
3. 4 本章小結 29
第4 章 結合閾值分割的分水嶺算法 30
4. 1 引言 30
4. 2 圖像閾值分割概述 30
4. 3 常用的閾值分割方法 31
4. 3. 1 全局閾值法 31
4. 3. 2 局部閾值法 36
4. 3. 3 動態閾值法 36
4. 4 改進的最大類間方差法 36
4. 5 本章小結 43
第5 章 結合聚類分割的分水嶺算法 44
5. 1 圖像聚類分割概述 44
5. 2 常用的圖像聚類分割算法 46
5. 2. 1 劃分聚類算法 46
5. 2. 2 層次聚類算法 47
5. 2. 3 基於密度的聚類算法 47
5. 2. 4 基於模型的聚類算法 48
5. 2. 5 基於格線的聚類算法 48
5. 3 改進的FCM 聚類分割算法 49
5. 4 本章小結 53
第6 章 目標特徵提取方法 54
6. 1 傳統的特徵提取方法 57
6. 1. 1 經典的特徵提取方法 57
6. 1. 2 多項式不變矩 59
6. 1. 3 共生矩陣 67
6. 2 紅外和可見光圖像特徵提取和融合 70
6. 2. 1 多感測器特徵提取 70
6. 2. 2 目標區域分割和檢測 71
6. 2. 3 特徵提取與融合 73
6. 3 本章小結 75
第7 章 基於協方差矩陣多特徵信息融合 77
7. 1 圖像特徵提取 77
7. 1. 1 多感測器特徵提取 77
Ⅴ
目 錄
7. 1. 2 灰度特徵 78
7. 1. 3 空間信息特徵 78
7. 1. 4 梯度信息特徵 79
7. 2 協方差矩陣的構造 80
7. 2. 1 協方差矩陣與協方差 80
7. 2. 2 協方差矩陣距離的度量 81
7. 2. 3 特徵協方差 82
7. 3 多特徵信息融合 83
7. 4 融合實驗結果與分析 83
7. 5 本章小結 85
第8 章 基於主成分分析的特徵融合方法 87
8. 1 特徵提取 87
8. 1. 1 灰度共生矩陣 87
8. 1. 2 Hu 不變矩 88
8. 2 幾何特徵 90
8. 3 主成分分析的定義 90
8. 3. 1 主成分分析的基本原理 90
8. 3. 2 數學模型 91
8. 3. 3 主成分的推導 93
8. 4 基於主成分分析的圖像特徵級融合實現 96
8. 4. 1 目標特徵的提取 96
8. 4. 2 特徵融合 96
8. 4. 3 實驗結果與分析 96
8. 5 本章小結 99
第9 章 基於改進免疫遺傳的特徵融合方法 100
9. 1 遺傳算法基礎理論 100
9. 1. 1 遺傳算法概述 100
9. 1. 2 遺傳算法流程 101
9. 2 一般的免疫算法基礎理論 103
9. 2. 1 免疫算法概述 104
9. 2. 2 免疫算法流程 105
9. 2. 3 一般的免疫遺傳算法 105
9. 3 基於改進免疫遺傳的圖像特徵級融合實現 107
9. 3. 1 改進算法的關鍵技術 107
9. 3. 2 基於改進免疫遺傳的特徵融合原理 108
Ⅵ
智慧型信息融合與目標識別方法
9. 3. 3 特徵級融合實現 108
9. 3. 4 實驗結果與分析 111
9. 4 本章小結 112
第10 章 基於獨立分量的特徵融合 113
10. 1 ICA 的定義 113
10. 2 隨機變數的獨立性概念 114
10. 3 ICA 獨立性的度量 115
10. 3. 1 非高斯性 115
10. 3. 2 互信息 117
10. 4 快速固定點ICA 算法 117
10. 5 基於ICA 的圖像特徵級融合實現 119
10. 5. 1 ICA 的預處理 119
10. 5. 2 特徵融合 120
10. 6 實驗結果與分析 121
10. 7 本章小結 125
