內容簡介
《飛行器紅外圖像目標檢測與跟蹤技術》主要研究飛行器紅外圖像目標檢測與跟蹤技術,包括紅外弱小目標檢測、紅外顯著目標的異源匹配檢測、紅外顯著目標的深度學習檢測、啟發式紅外顯著目標跟蹤、辨別式紅外顯著目標跟蹤、慣導信息輔助圖像目標跟蹤最佳化等關鍵問題,提出並構建飛行器紅外圖像目標檢測與跟蹤仿真系統,為推動相關基礎理論研究的深入開展,以及研究成果的工程套用提供有效的技術支撐。
目錄
前言
第1章緒論1
1.1圖像目標檢測與跟蹤問題描述1
1.1.1圖像目標檢測問題1
1.1.2圖像目標跟蹤問題2
1.1.3圖像檢測與跟蹤技術套用4
1.2圖像目標檢測技術研究進展6
1.2.1紅外弱小目標檢測技術6
1.2.2異源圖像匹配檢測技術12
1.2.3基於深度學習的目標檢測技術15
1.3圖像目標跟蹤技術研究進展25
1.3.1傳統圖像目標跟蹤技術25
1.3.2基於相關濾波的目標跟蹤技術28
1.3.3基於深度學習的目標跟蹤技術29
1.4本書主要內容29
第2章紅外圖像弱小移動目標檢測31
2.1引言31
2.2經典紅外圖像弱小目標檢測算法32
2.2.1單幀紅外圖像弱小目標檢測算法32
2.2.2序列紅外圖像弱小目標檢測算法39
2.3基於Contourlet變換和Facet模型的紅外圖像弱小目標檢測方法45
2.3.1循環平移Contourlet去噪46
2.3.2基於Facet模型多向梯度特性的中值濾波器設計48
2.3.3基於二級Otsu的閾值分割50
2.3.4算法實驗與性能分析51
2.4基於結構低秩編碼的紅外弱小目標檢測算法54
2.4.1紅外圖像背景的低秩特性55
2.4.2紅外圖像結構低秩編碼模型建立56
2.4.3檢測算法與實驗分析60
2.5基於直線匹配與背景抑制的紅外弱小移動目標檢測算法66
2.5.1基於多尺度DOG濾波器和幾何特徵的候選目標的檢測67
2.5.2基於均值-標準差直線描述子的直線匹配70
2.5.3背景運動補償72
2.5.4弱小運動目標檢測74
2.5.5檢測實驗與性能分析76
2.6本章小結79
第3章紅外圖像顯著目標的異源匹配檢測80
3.1引言80
3.2基於邊緣特徵的異源特徵匹配檢測81
3.2.1常用的邊緣提取算法81
3.2.2邊緣提取實驗及分析83
3.2.3基於邊緣相似性距離度量的異源匹配算法84
3.3基於互信息度量的異源圖像匹配檢測86
3.3.1熵與互信息87
3.3.2基於灰度互信息的匹配檢測算法88
3.3.3基於梯度互信息的匹配檢測算法90
3.4基於梯度方向分布場的異源匹配檢測算法93
3.4.1分布場原理分析94
3.4.2基於梯度方向分布場圖的異源匹配97
3.4.3匹配檢測實驗與分析101
3.5基於橢圓對稱方向距的異源匹配檢測算法107
3.5.1同質區域特徵提取108
3.5.2基於橢圓對稱方向矩的異源特徵匹配109
3.5.3檢測算法實驗與分析111
3.6本章小結116
第4章基於深度學習的紅外圖像顯著目標檢測117
4.1引言117
4.2基於深度學習的目標檢測框架分析118
4.2.1典型深度學習結構118
4.2.2基於深度學習的目標檢測流程126
4.2.3目標建議方法分析126
4.3基於目標建議的候選區域選取算法128
4.3.1目標建議方法設計129
4.3.2飛機目標候選區域提取方法132
4.3.3仿真實驗與分析133
4.4基於級聯神經網路的目標檢測方法136
4.4.1基礎卷積神經網路設計與訓練137
4.4.2級聯卷積神經網路構建142
4.4.3仿真實驗分析144
4.5目標多視點圖像仿真生成方法149
4.5.1機載攝像機探測成像模型建立與分析149
4.5.2機載成像探測問題分析151
4.5.3圖像變換數學模型152
4.5.4多視點圖像仿真實驗155
4.6本章小結157
第5章啟發式紅外圖像顯著目標跟蹤158
5.1引言158
5.2基於Kalman濾波和梯度-徑向夾角的改進均值漂移跟蹤算法159
5.2.1均值漂移算法原理159
5.2.2傳統均值漂移算法存在的問題161
5.2.3基於Kalman濾波和梯度-徑向夾角的改進均值漂移算法163
5.2.4算法跟蹤實驗與性能分析170
5.3基於貝葉斯互信息分布場的紅外圖像目標跟蹤算法175
5.3.1基於分布場的目標描述176
5.3.2貝葉斯互信息原理177
5.3.3紅外圖像目標跟蹤算法設計179
5.3.4跟蹤算法仿真與性能分析187
5.4基於稀疏表示多子模板的紅外圖像目標跟蹤算法192
5.4.1Fragment算法描述192
5.4.2Fragment算法缺陷分析193
5.4.3基於改進多子模板的目標跟蹤算法194
5.4.4跟蹤算法性能分析198
5.5基於局部特徵索引結構的紅外目標跟蹤算法204
5.5.1視覺詞袋模型的構建204
5.5.2基於局部特徵索引結構的目標跟蹤框架構建206
5.5.3算法跟蹤實驗與分析214
5.6本章小結216
第6章辨別式紅外圖像顯著目標跟蹤217
6.1引言217
6.2基於超像素圖結構約束的紅外目標跟蹤算法217
6.2.1基於聚類算法的外部約束218
6.2.2基於圖結構的內部約束219
6.2.3基於粒子濾波框架下的目標定位221
6.2.4遮擋處理及更新模型223
6.2.5跟蹤算法性能分析223
6.3基於機率超圖排序的紅外目標跟蹤算法228
6.3.1機率超圖排序與構造228
6.3.2機率超圖構造229
6.3.3自適應模板集約束模型232
6.3.4基於粒子濾波的目標定位233
6.3.5模板更新機制234
6.3.6跟蹤實驗與性能分析236
6.4基於多特徵融合相關濾波的快速紅外目標跟蹤算法240
6.4.1相關濾波原理240
6.4.2基於多特徵融合的相關濾波跟蹤算法244
6.4.3跟蹤算法實驗與性能分析247
6.5深度學習在目標跟蹤中的套用251
6.5.1基於卷積神經網路的深度目標跟蹤251
6.5.2基於遞歸神經網路的深度目標跟蹤252
6.5.3基於孿生網路的深度目標跟蹤252
6.5.4基於生成對抗網路的深度目標跟蹤253
6.5.5基於自編碼器的深度目標跟蹤254
6.6本章小結255
第7章慣導信息輔助圖像目標跟蹤最佳化257
7.1引言257
7.2慣導信息與圖像的融合結構257
7.2.1慣導信息對圖像進行校正258
7.2.2慣導信息對成像位置進行預測258
7.2.3慣導信息與圖像信息的融合制導259
7.2.4慣導信息與圖像信息融合的速度估計259
7.2.5慣導信息與圖像信息融合的電子穩像技術259
7.3基於慣導信息的目標跟蹤模板校正260
7.3.1坐標變換模型建立261
7.3.2模板校正仿真實驗與分析262
7.4基於慣導導航信息的目標跟蹤位置預測263
7.4.1位置預測問題描述263
7.4.2模型建立與方法設計264
7.4.3仿真實驗與結果分析265
7.5基於慣導增量信息的目標跟蹤位置預測266
7.5.1增量修正問題描述266
7.5.2模型建立與方法設計267
7.5.3仿真實驗與結果分析269
7.6本章小結271
第8章紅外圖像目標檢測與跟蹤仿真實驗系統272
8.1引言272
8.2系統結構與工作原理272
8.2.1系統結構組成273
8.2.2系統工作原理274
8.3系統的空間對準與時間對準277
8.3.1空間對準277
8.3.2時間對準279
8.4系統軟體模組組成281
8.4.1檔案管理模組282
8.4.2目標數據仿真生成模組282
8.4.3目標數據集製備模組286
8.4.4算法仿真與性能評估模組289
8.5紅外圖像目標檢測與跟蹤實驗驗證292
8.5.1紅外弱小目標檢測仿真實驗驗證292
8.5.2異源圖像匹配檢測仿真實驗驗證293
8.5.3智慧型目標檢測仿真實驗驗證294
8.5.4智慧型目標跟蹤仿真實驗驗證295
8.6本章小結298
參考文獻299
附錄相關專業術語314