《現代視頻圖像弱小目標檢測導論》是2019年01月01日科學出版社出版的圖書，作者是朱振福。
基本介紹
- 書名：現代視頻圖像弱小目標檢測導論
- 作者：朱振福
- ISBN：9787030589088
- 頁數：370
- 定價：168.00元
- 出版社：科學出版社
- 出版時間：2019年01月01日
- 裝幀：圓脊精裝
- 開本：B5
內容簡介,圖書目錄,
內容簡介
本書系統地闡述了視頻圖像弱小目標檢測的主要方法及其套用，全書共17章，內容包括自概論，圖像目標特性分析，運動模糊圖像復原，電子穩像方法，模糊數學的目標檢測方法，數學形態學目標檢測方法，形態濾波與遺傳算法相結合的目標檢測方法，分形學目標檢測方法，子波變換目標檢測方法，神經網路目標檢測方法，粒子濾被器目標檢測方法，組合最佳化目標檢測方法，決策融合技術在目標檢測中的套用，基於特徵的運動目標檢測與跟蹤，動平台光電成像運動目標檢測與跟蹤，複雜背景下的目標識別與跟蹤。
圖書目錄
目 錄
前言
第1章 概論 1
1.1目標檢測的內涵 1
1.2目標檢測方法概述 1
1.2.1模糊數學方法 9
1.2.2數學形態學方法 2
1.2.3分形學方法 3
1.2.4子波變換方法 3
1.2.5神經網路方法 4
1.2.6粒子濾波方法 5
參考文獻 6
第2章 圖像目標特性分析 10
2.1引言 10
9.9太陽的輻射特性 10
2.2.1黑體輻射定律 10
2.2.2太陽輻射在進人大氣層後的傳播形式 11
2.3海浪的陽光反射模型 14
2.3.1菲涅爾反射係數 14
2.3.2海浪的反射模型 14
2.4雲團的陽光反射模型 17
2.4.1光在大氣中的傳輸模型 17
2.4.2成像感測器接收雲團陽光散射的模型 18
2.5紅外圖像特徵描述 20
2.5.1點目標輻射強度分布特性 20
2.5.2背景起伏特性 21
2.5.3噪聲分布特性 22
2.6小結 22
參考文獻 23
第3章 運動模糊圖像復原方法 24
3.1引言 24
3.2線性模糊圖像復原 25
3.2.1圖像模糊退化分析 25
3.2.2均勻積分模糊圖像的復原 26
3.2.3非均勻積分模糊圖像的復原 37
3.3旋轉模糊圖像復原 44
3.3.1旋轉模糊退化分析 45
3.3.2模糊路徑提取 47
3.3.3基於維納濾波的旋轉模糊圖像復原 49
3.3.4基於對角載入的旋轉模糊圖像復原 49
3.3.5幾種旋轉模糊圖像復原算法的效果比較 53
3.4小結 58
參考文獻 58
第4章 基於信息處理的電子穩像方法 60
4.1引言 60
4.2圖像運動模型和電子穩像原理 61
4.2.1攝像機成像模型分析 61
4.2.2圖像運動模型 63
4.2.3電子穩像原理 66
4.3運動估計算法 67
4.3.1灰度投影法 67
4.3.2梯度法 70
4.3.3特徵量匹配法 71
4.3.4塊匹配法 72
4.3.5其他運動估計方法 73
4.4基於塊匹配的電子穩像方法 74
4.4.1圖像預處理 75
4.4.2運動估計模型 77
4.4.3局部運動矢量估計 77
4.4.4全局運動矢量估計 87
4.4.5運動補償 90
4.4.6電子穩像仿真實驗結果 94
4.5小結 103
參考文獻 103
第5章 基於模糊數學的目標檢測方法 106
5.1引言 106
5.2模糊數學理論 106
5.2.1模糊集 106
5.2.2模糊度 107
5.3基於模糊數學的目標檢測算法 108
5.3.1圖像模糊增強的模型 108
5.3.2常用的模糊增強算法 109
5.3.3改進的模糊增強算法 111
5.3.4實驗結果 112
5.4小結 118
參考文獻 118
第6章 基於數學形態學的目標檢測方法 119
6.1引言 119
6.2形態濾波理論 119
6.2.1二值形態濾波理論 119
6.2.2灰值形態濾波理論 122
6.3基於形態濾波的目標檢測算法 126
6.4小結 129
參考文獻 130
第7章 形態濾波與遺傳算法相結合的目標檢測方法 131
7.1引言 131
7.2遺傳算法基本理論 132
7.2.1遺傳算法的基本概念 132
7.2.2遺傳算法的編碼及適應度函式 133
7.2.3遺傳算法的基本操作 135
7.2.4遺傳算法模式理論和特點 137
7.3形態濾波與遺傳算法在目標檢測中的運用 140
7.3.1目標檢測算法 141
7.3.2遺傳運算元確定 141
7.3.3白適應遺傳策略算法 145
7.3.4基於遺傳算法的白適應形態濾波目標檢測算法 147
7.4小結 150
參考文獻 151
第8章 基於分形學的目標檢測方法 152
8.1引言 152
8.2分形理論 152
8.2.1分形維數 152
8.2.2 DFBIR場維數 153
8.3基於分形技術的目標檢測算法 154
8.3.1基於分形維數的目標檢測 154
8.3.2基於分形模型圖像誤差的目標檢測 156
8.3.3基於分形技術改進的目標檢測算法 157
8.4小結 160
參考文獻 161
第9章 基於子波變換的目標檢測方法 162
9.1引言 162
9.2子波變換理論 162
9.2.1連續子波變換 162
9.2.2離散子波變換 163
9.2.3多解析度分析 163
9.2.4子波基函式分析 164
9.2.5信號奇異性及子波變換模極大值 166
9.3基於子波變換的目標檢測算法 167
9.3.1圖像預處理 167
9.3.2潛在目標圖像區域劃分 168
9.3.3潛在目標檢測 170
9.4小結 172
參考文獻 172
第10章 基於神經網路的目標檢測方法 174
10.1引言 174
10.2神經網路基礎 174
10.2.1遠動圖像的時變特性 174
10.2.2神經網路學習規則 175
10.2.3白適應BP學習算法 177
10.3形態學神經網路目標檢測算法 177
10.3.1神經網路模型參數 177
10.3.2形態學變權神經網路算法 178
10.4小結 182
參考文獻 182
第11章 基於粒子濾波器的先跟蹤後檢測方法 183
11.1引言 183
11.2弱小目標的狀態與測量模型 184
11.3先跟蹤後檢測方法的貝葉斯形式 184
11.4基於粒子濾波器的先跟蹤後檢測算法 185
11.5仿真實驗及實驗結果 188
11.6小結 190
參考文獻 190
第12章 基於混合粒子濾波的多目標檢測與跟蹤 192
12.1引言 192
12.2先跟蹤後檢測的貝葉斯形式 193
12.3混合貝葉斯跟蹤 194
12.4混合粒子濾波器 195
12.5貝葉斯目標檢測 197
12.6仿真實驗 200
12.7小結 203
參考文獻 203
第13章 基於組合最佳化的目標檢測方法 205
13.1引言 205
13.2神經網路多分類器組合 205
13.3貝葉斯多分類器組合 207
13.4基於Bagging的分類器組合 209
13.5基於Adaboost的分類器組合 211
13.6基於Adaboost算法的目標檢測與仿真實驗 214
13.6.1基於Adaboost算法的目標檢測 215
13.6.2仿真實驗 216
13.7小結222
參考文獻222
第14章 決策融合技術在目標檢測中的套用 224
14.1信息融合 224
14.2決策融合方法 226
14.2.1基於主觀貝葉斯機率推理理論的決策融合 226
14.2.2基於DS證據理論的決策融合 227
14.2.3基於人T智慧型的決策融合 229
14.2.4基於模糊子集理論的決策融合 230
14.2.5基於投票規則的決策融合 231
14.2.6基於神經網路技術的決策融合 231
14.3決策融合用於目標檢測 234
14.3.1單個檢測器決策結果的描述形式 234
14.3.2如何實現各單個檢測器的決策結果的融合 236
14.3.3決策結果的評價 241
14.4投票表決技術在決策融合中的套用 241
14.4.1未考慮先驗知識的表決融合 242
14.4.2基於連續五幀圖像的投票表決融合 245
14.4.3基於先驗知識的表決融合 250
14.5小結 255
參考文獻 256
第15章 基於特徵的運動目標檢測與跟蹤 257
15.1引言 257
15.2圖像特徵點檢測算法 257
15.2.1角點檢測方法 258
15.2.2尺度不變特徵點檢測運算元 262
15.2.3特徵點描述符的建立 267
15.3基於SIFT特徵的運動目標跟蹤 270
15.3.1基於累積SIFT特徵的目標跟蹤算法 271
15.3.2實驗結果及分析 277
15.4小結 280
參考文獻 281
第16章 動平台光電成像的運動目標檢測與跟蹤 283
16.1引言 283
16.2全局運動估計與補償技術 283
16.2.1 Kl．T特徵追蹤器 284
16.2.2圖像運動參數的估計與補償 286
16.2.3基於RAN SAC算法的動態特徵消除 288
16.2.4基於多解析度技術的快速運動估計與補償 290
16.3基於粒子濾波的運動目標檢測與跟蹤 293
16.3.1粒子濾波器 294
16.3.2基於KLD採樣的白適應粒子濾波器 299
16.3.3白適應粒子濾波器用於多運動目標檢測與跟蹤 301
16.4基於圖像動態層表述的目標跟蹤 313
16.4.1圖像的動態層表述 314
16.4.2動態層表述跟蹤算法的實現 316
16.5小結 323
參考文獻 323
第17章 複雜背景下的目標識別與跟蹤 326
17.1引言 326
17.2潛在目標區域提取 326
17.2.1圖像的最小化能量分割法．Q97
17.2.2區域運動狀態分析 331
17.3目標識別 332
17.3.1主成分分析 333
17.3.2奇異值分解 335
17.3.3目標識別實驗 338
17.4目標跟蹤 345
17.4.1魯棒統計及其在目標跟蹤巾的套用 346
17.4.2仿射變換及其在目標跟蹤巾的套用 353
17.4.3目標跟蹤穩定性措施 356
17.4.4目標跟蹤處理算法流程 359
17.5小結 366
參考文獻 366
後記 369
彩圖
前言
第1章 概論 1
1.1目標檢測的內涵 1
1.2目標檢測方法概述 1
1.2.1模糊數學方法 9
1.2.2數學形態學方法 2
1.2.3分形學方法 3
1.2.4子波變換方法 3
1.2.5神經網路方法 4
1.2.6粒子濾波方法 5
參考文獻 6
第2章 圖像目標特性分析 10
2.1引言 10
9.9太陽的輻射特性 10
2.2.1黑體輻射定律 10
2.2.2太陽輻射在進人大氣層後的傳播形式 11
2.3海浪的陽光反射模型 14
2.3.1菲涅爾反射係數 14
2.3.2海浪的反射模型 14
2.4雲團的陽光反射模型 17
2.4.1光在大氣中的傳輸模型 17
2.4.2成像感測器接收雲團陽光散射的模型 18
2.5紅外圖像特徵描述 20
2.5.1點目標輻射強度分布特性 20
2.5.2背景起伏特性 21
2.5.3噪聲分布特性 22
2.6小結 22
參考文獻 23
第3章 運動模糊圖像復原方法 24
3.1引言 24
3.2線性模糊圖像復原 25
3.2.1圖像模糊退化分析 25
3.2.2均勻積分模糊圖像的復原 26
3.2.3非均勻積分模糊圖像的復原 37
3.3旋轉模糊圖像復原 44
3.3.1旋轉模糊退化分析 45
3.3.2模糊路徑提取 47
3.3.3基於維納濾波的旋轉模糊圖像復原 49
3.3.4基於對角載入的旋轉模糊圖像復原 49
3.3.5幾種旋轉模糊圖像復原算法的效果比較 53
3.4小結 58
參考文獻 58
第4章 基於信息處理的電子穩像方法 60
4.1引言 60
4.2圖像運動模型和電子穩像原理 61
4.2.1攝像機成像模型分析 61
4.2.2圖像運動模型 63
4.2.3電子穩像原理 66
4.3運動估計算法 67
4.3.1灰度投影法 67
4.3.2梯度法 70
4.3.3特徵量匹配法 71
4.3.4塊匹配法 72
4.3.5其他運動估計方法 73
4.4基於塊匹配的電子穩像方法 74
4.4.1圖像預處理 75
4.4.2運動估計模型 77
4.4.3局部運動矢量估計 77
4.4.4全局運動矢量估計 87
4.4.5運動補償 90
4.4.6電子穩像仿真實驗結果 94
4.5小結 103
參考文獻 103
第5章 基於模糊數學的目標檢測方法 106
5.1引言 106
5.2模糊數學理論 106
5.2.1模糊集 106
5.2.2模糊度 107
5.3基於模糊數學的目標檢測算法 108
5.3.1圖像模糊增強的模型 108
5.3.2常用的模糊增強算法 109
5.3.3改進的模糊增強算法 111
5.3.4實驗結果 112
5.4小結 118
參考文獻 118
第6章 基於數學形態學的目標檢測方法 119
6.1引言 119
6.2形態濾波理論 119
6.2.1二值形態濾波理論 119
6.2.2灰值形態濾波理論 122
6.3基於形態濾波的目標檢測算法 126
6.4小結 129
參考文獻 130
第7章 形態濾波與遺傳算法相結合的目標檢測方法 131
7.1引言 131
7.2遺傳算法基本理論 132
7.2.1遺傳算法的基本概念 132
7.2.2遺傳算法的編碼及適應度函式 133
7.2.3遺傳算法的基本操作 135
7.2.4遺傳算法模式理論和特點 137
7.3形態濾波與遺傳算法在目標檢測中的運用 140
7.3.1目標檢測算法 141
7.3.2遺傳運算元確定 141
7.3.3白適應遺傳策略算法 145
7.3.4基於遺傳算法的白適應形態濾波目標檢測算法 147
7.4小結 150
參考文獻 151
第8章 基於分形學的目標檢測方法 152
8.1引言 152
8.2分形理論 152
8.2.1分形維數 152
8.2.2 DFBIR場維數 153
8.3基於分形技術的目標檢測算法 154
8.3.1基於分形維數的目標檢測 154
8.3.2基於分形模型圖像誤差的目標檢測 156
8.3.3基於分形技術改進的目標檢測算法 157
8.4小結 160
參考文獻 161
第9章 基於子波變換的目標檢測方法 162
9.1引言 162
9.2子波變換理論 162
9.2.1連續子波變換 162
9.2.2離散子波變換 163
9.2.3多解析度分析 163
9.2.4子波基函式分析 164
9.2.5信號奇異性及子波變換模極大值 166
9.3基於子波變換的目標檢測算法 167
9.3.1圖像預處理 167
9.3.2潛在目標圖像區域劃分 168
9.3.3潛在目標檢測 170
9.4小結 172
參考文獻 172
第10章 基於神經網路的目標檢測方法 174
10.1引言 174
10.2神經網路基礎 174
10.2.1遠動圖像的時變特性 174
10.2.2神經網路學習規則 175
10.2.3白適應BP學習算法 177
10.3形態學神經網路目標檢測算法 177
10.3.1神經網路模型參數 177
10.3.2形態學變權神經網路算法 178
10.4小結 182
參考文獻 182
第11章 基於粒子濾波器的先跟蹤後檢測方法 183
11.1引言 183
11.2弱小目標的狀態與測量模型 184
11.3先跟蹤後檢測方法的貝葉斯形式 184
11.4基於粒子濾波器的先跟蹤後檢測算法 185
11.5仿真實驗及實驗結果 188
11.6小結 190
參考文獻 190
第12章 基於混合粒子濾波的多目標檢測與跟蹤 192
12.1引言 192
12.2先跟蹤後檢測的貝葉斯形式 193
12.3混合貝葉斯跟蹤 194
12.4混合粒子濾波器 195
12.5貝葉斯目標檢測 197
12.6仿真實驗 200
12.7小結 203
參考文獻 203
第13章 基於組合最佳化的目標檢測方法 205
13.1引言 205
13.2神經網路多分類器組合 205
13.3貝葉斯多分類器組合 207
13.4基於Bagging的分類器組合 209
13.5基於Adaboost的分類器組合 211
13.6基於Adaboost算法的目標檢測與仿真實驗 214
13.6.1基於Adaboost算法的目標檢測 215
13.6.2仿真實驗 216
13.7小結222
參考文獻222
第14章 決策融合技術在目標檢測中的套用 224
14.1信息融合 224
14.2決策融合方法 226
14.2.1基於主觀貝葉斯機率推理理論的決策融合 226
14.2.2基於DS證據理論的決策融合 227
14.2.3基於人T智慧型的決策融合 229
14.2.4基於模糊子集理論的決策融合 230
14.2.5基於投票規則的決策融合 231
14.2.6基於神經網路技術的決策融合 231
14.3決策融合用於目標檢測 234
14.3.1單個檢測器決策結果的描述形式 234
14.3.2如何實現各單個檢測器的決策結果的融合 236
14.3.3決策結果的評價 241
14.4投票表決技術在決策融合中的套用 241
14.4.1未考慮先驗知識的表決融合 242
14.4.2基於連續五幀圖像的投票表決融合 245
14.4.3基於先驗知識的表決融合 250
14.5小結 255
參考文獻 256
第15章 基於特徵的運動目標檢測與跟蹤 257
15.1引言 257
15.2圖像特徵點檢測算法 257
15.2.1角點檢測方法 258
15.2.2尺度不變特徵點檢測運算元 262
15.2.3特徵點描述符的建立 267
15.3基於SIFT特徵的運動目標跟蹤 270
15.3.1基於累積SIFT特徵的目標跟蹤算法 271
15.3.2實驗結果及分析 277
15.4小結 280
參考文獻 281
第16章 動平台光電成像的運動目標檢測與跟蹤 283
16.1引言 283
16.2全局運動估計與補償技術 283
16.2.1 Kl．T特徵追蹤器 284
16.2.2圖像運動參數的估計與補償 286
16.2.3基於RAN SAC算法的動態特徵消除 288
16.2.4基於多解析度技術的快速運動估計與補償 290
16.3基於粒子濾波的運動目標檢測與跟蹤 293
16.3.1粒子濾波器 294
16.3.2基於KLD採樣的白適應粒子濾波器 299
16.3.3白適應粒子濾波器用於多運動目標檢測與跟蹤 301
16.4基於圖像動態層表述的目標跟蹤 313
16.4.1圖像的動態層表述 314
16.4.2動態層表述跟蹤算法的實現 316
16.5小結 323
參考文獻 323
第17章 複雜背景下的目標識別與跟蹤 326
17.1引言 326
17.2潛在目標區域提取 326
17.2.1圖像的最小化能量分割法．Q97
17.2.2區域運動狀態分析 331
17.3目標識別 332
17.3.1主成分分析 333
17.3.2奇異值分解 335
17.3.3目標識別實驗 338
17.4目標跟蹤 345
17.4.1魯棒統計及其在目標跟蹤巾的套用 346
17.4.2仿射變換及其在目標跟蹤巾的套用 353
17.4.3目標跟蹤穩定性措施 356
17.4.4目標跟蹤處理算法流程 359
17.5小結 366
參考文獻 366
後記 369
彩圖
