《紅外圖像處理、分析與融合》是2009年11月科學出版社出版的圖書，作者是李俊山、張雄美。
基本介紹
- 書名：紅外圖像處理
- 作者：李俊山、張雄美
- ISBN：9787030257840
- 定價：32.00
- 出版社：科學出版社
- 出版時間：2009年11月
- 開本：16
- 副標題：分析與融合
內容簡介,作者簡介,圖書目錄,
內容簡介
《紅外圖像處理、分析與融合》從紅外圖像的目標特性出發，以紅外圖像景象匹配、紅外目標識別與跟蹤、紅外圖像融合等內容為重點，系統闡述了紅外圖像處理、分析與融合中的理論、方法和套用技術，涵蓋了紅外圖像套用中涉及的核心內容。
《紅外圖像處理、分析與融合》是紅外圖像景象匹配、紅外目標識別與跟蹤、紅外圖像融合技術及其套用研究的最新成果總結，內容注重理論與實踐並重，針對性與系統性較強。
《紅外圖像處理、分析與融合》可供信號與信息處理、通信與信息系統、電子科學與技術、計算機科學與技術、控制科學與工程、紅外遙感及套用等學科中從事圖像處理與分析技術的研究人員和工程技術人員參考，也可作為高等院校相關專業研究生或高年級本科生的參考書。
作者簡介
李俊山，男，1956年1月出生，陝西白水人，第二炮兵工程學院計算機與指揮自動化系教授，博士生導師，二炮飛彈技術專家。 主要學術成就：獲國防科學技術獎和軍隊科技進步獎20項；發表學術論文200餘篇；公開出版專著、譯著和教材9部，代表作有《數字圖像處理》、《資料庫原理及套用（SQL Server）》、《資料庫系統原理與設計》、《並行圖像處理》；作為課程負責人的《資料庫系統原理及套用》課程入選國家級精品課程。主要研究方向：圖像處理與目標識別、網路信息安全、電子對抗模擬與仿真。現任中國計算機學會理事，中國圖象圖形學學會理事，陝西省計算機學會常務理事，陝西省圖象圖形學學會常務理事，陝西省計算機教育學會常務理事，《現代電子技術》編委。曾獲軍隊院校“育才獎”銀獎，二次榮立三等功。
圖書目錄
前言
第一篇 紅外圖像的目標特性
第1章 紅外成像原理與紅外圖像特徵
1.1 紅外輻射基本理論
1.1.1 紅外輻射與紅外光譜
1.1.2 紅外輻射的傳輸與衰減
1.1.3 紅外輻射基本定律
1.2 紅外成像原理
1.2.1 紅外成像基本原理
1.2.2 紅外成像系統的特點
1.2.3 紅外探測器
1.3 紅外圖像的基本特徵
1.3.1 紅外圖像的特點
1.3.2 紅外圖像與可見光圖像的區別
1.4 軍用紅外小目標和背景的輻射特性
1.4.1 軍用紅外小目標的紅外輻射特性
1.4.2 紅外目標背景的紅外輻射特性
第二篇 紅外圖像景象匹配
第2章 景象匹配區選取
2.1 典型的可匹配性檢驗參數分析
2.2 基於紅外實時圖的光學基準圖選取
2.2.1 基於典型的可匹配性檢驗參數準則的基準圖選取
2.2.2 仿真實驗與結果分析
2.3 基準圖選取控制策略
2.3.1 景象匹配區相關面特徵的概念
2.3.2 最高峰尖銳度計算方法
2.3.3 景象匹配區相關面特徵準則的驗證
2.4 基於並行遺傳算法的圖像自匹配係數的快速計算方法
2.4.1 混沌最佳化方法
2.4.2 基於PGA的圖像自匹配係數的快速計算
2.4.3 仿真實驗及算法性能分析
第3章 基於遺傳算法的灰度相關匹配
3.1 典型的灰度相似性算法分析
3.2 基於遺傳最佳化的灰度相關匹配算法
3.2.1 基於遺傳最佳化的灰度相關匹配算法設計
3.2.2 仿真實驗
3.2.3 實驗結果與分析
3.3 基於混合遺傳算法的灰度相關匹配算法
3.3.1 混沌遺傳最佳化組合方法研究
3.3.2 快速匹配算法的設計
3.3.3 實驗及算法性能分析
3.4 基於遺傳算法的分層快速匹配算法
3.4.1 算法控制策略設計
3.4.2 旋轉實時圖像的坐標變換
3.4.3 匹配算法的實觀
3.4.4 仿真實驗結果及分析
第4章 基於HauSdorff距離的邊緣特徵匹配
4.1 部分HauSdorff距離與景象匹配
4.1.1 Hausdorff距離
4.1.2 部分Hausdorff距離
4.1.3 基於平均距離直的部分Hausdorff距離
4.1.4 改進的部分Hausdorff距離
4.2 基於LTS-HD的景象匹配加速技術
4.2.1 鄰域排除法
4.2.2 掃描終止法
4.2.3 前向跳躍法
4.3 基於LTS-HD的邊緣特徵快速匹配算法
4.3.1 Hausdorff距離的變換
4.3.2 基於LTS-HD的快速景象匹配算法設計
4.3.3 實驗結果與分析
4.4 基於進化策略的邊緣特徵匹配算法
4.4.1 進化策略的算法模型
4.4.2 進化策略的改進措施
4.4.3 進化策略與LTS-HD結合的匹配算法
4.4.4 實驗結果與分析
4.5 基於邊緣金字塔結構的邊緣特徵匹配算法
4.5.1 邊緣圖像金字塔和距離圖像金字塔
4.5.2 金字塔抽取模式和分解次數的自適應確定
4.5.3 邊緣金字塔分解的LTS-HD距離匹配算法
4.5.4 仿真實驗結果及分析
第5章 基於神經網路的景象匹配
5.1 BP神經網路
5.2 基於BP神經網路的景象匹配設計
5.2.1 BP神經網路匹配特徵設計
5.2.2 景象匹配的BP神經網路結構設計
5.2.3 景象匹配的BP神經網路算法
5.2.4 算法性能分析
5.3 基於進化策略的BP神經網路匹配算法
5.3.1 傳統BP算法的缺陷分析及以往的改進方法
5.3.2 改進的ES與BP神經網路結合的關鍵技術
5.3.3 基於進化策略的BP神經網路匹配算法設計
5.3.4 仿真實驗與結果分析
5.4 基於像素環形排列的神經網路匹配算法
5.4.1 算法描述
5.4.2 仿真實驗與結果分析
第三篇 紅外目標識別與跟蹤
第6章 紅外小目標檢測
6.1 紅外小目標檢測方法
6.1.1 DBT方法
6.1.2 TBD方法
6.2 基於特徵統計表決的小目標檢測
6.2.1 特徵提取
6.2.2 分層特徵統計表決的小目標提取
6.3 基於背景抑制和管道濾波的紅外運動小目標檢測
6.3.1 數學形態學理論
6.3.2 基於數學形態學濾波的背景抑制
6.3.3 基於管道濾波的序列圖像中運動小目標的檢測
第7章 紅外面目標檢測
7.1 基於二維熵分割的紅外面目標檢測
7.1.1 信息熵
7.1.2 二維直方圖
7.1.3 二維熵分割算法
7.1.4 快速二維熵分割算法
7.1.5 實驗結果及算法性能分析
7.2 基於變分水平集的紅外面目標分割方法
7.2.1 曲線演化和水平集方法
7.2.2 C－V模型
7.2.3 改進C－V模型的紅外圖像分割方法
7.2.4 實驗結果及分析
7.3 基於時空聯合的紅外目標聚類提取方法
7.3.1 時域分割
7.3.2 空域分割
7.3.3 實驗結果及分析
第8章 基於粒子濾波的紅外目標跟蹤
8.1 基於貝葉斯濾波的目標跟蹤
8.2 粒子濾波方法
8.2.1 蒙特卡羅原理
8.2.2 序貫重要性採樣
8.2.3 重採樣
8.2.4 粒子濾波算法
8.3 基於粒子群最佳化的輔助粒子濾波跟蹤方法
8.3.1 輔助粒子濾波
8.3.2 粒子群最佳化
8.3.3 跟蹤算法
8.3.4 實驗結果及分析
第9章 基於均值漂移的紅外目標跟蹤
9.1 均值漂移理論
9.1.1 核密度估計
9.1.2 均值漂移
9.2 基於均值漂移和特徵匹配的紅外目標跟蹤
9.2.1 基於均值漂移的紅外目標跟蹤
9.2.2 紅外目標的特徵匹配修正定位
9.2.3 實驗結果及分析
9.3 基於改進均值漂移算法的紅外面目標跟蹤
9.3.1 跟蹤模型
9.3.2 跟蹤方法
9.3.3 核半徑的自動更新
9.3.4 跟蹤流程
9.3.5 實驗結果
第四篇 紅外圖像融合
第10章 多解析度圖像融合
第11章 非子採樣輪廓波變換及其改進
第12章 基於NSWMDA的自適應圖像融合框架
第13章 圖像融合效果評價[1]
