飛行器紅外圖像目標(biāo)檢測(cè)與跟蹤技術(shù)

目錄
前言
第1章緒論1
1.1圖像目標(biāo)檢測(cè)與跟蹤問題描述1
1.1.1圖像目標(biāo)檢測(cè)問題1
1.1.2圖像目標(biāo)跟蹤問題2
1.1.3圖像檢測(cè)與跟蹤技術(shù)應(yīng)用4
1.2圖像目標(biāo)檢測(cè)技術(shù)研究進(jìn)展6
1.2.1紅外弱小目標(biāo)檢測(cè)技術(shù)6
1.2.2異源圖像匹配檢測(cè)技術(shù)12
1.2.3基于深度學(xué)習(xí)的目標(biāo)檢測(cè)技術(shù)15
1.3圖像目標(biāo)跟蹤技術(shù)研究進(jìn)展25
1.3.1傳統(tǒng)圖像目標(biāo)跟蹤技術(shù)25
1.3.2基于相關(guān)濾波的目標(biāo)跟蹤技術(shù)28
1.3.3基于深度學(xué)習(xí)的目標(biāo)跟蹤技術(shù)29
1.4本書主要內(nèi)容29
第2章紅外圖像弱小移動(dòng)目標(biāo)檢測(cè)31
2.1引言31
2.2經(jīng)典紅外圖像弱小目標(biāo)檢測(cè)算法32
2.2.1單幀紅外圖像弱小目標(biāo)檢測(cè)算法32
2.2.2序列紅外圖像弱小目標(biāo)檢測(cè)算法39
2.3基于Contourlet變換和Facet模型的紅外圖像弱小目標(biāo)檢測(cè)方法45
2.3.1循環(huán)平移Contourlet去噪46
2.3.2基于Facet模型多向梯度特性的中值濾波器設(shè)計(jì)48
2.3.3基于二級(jí)Otsu的閾值分割50
2.3.4算法實(shí)驗(yàn)與性能分析51
2.4基于結(jié)構(gòu)低秩編碼的紅外弱小目標(biāo)檢測(cè)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(jié)構(gòu)低秩編碼模型建立56
2.4.3檢測(cè)算法與實(shí)驗(yàn)分析60
2.5基于直線匹配與背景抑制的紅外弱小移動(dòng)目標(biāo)檢測(cè)算法66
2.5.1基于多尺度DOG濾波器和幾何特征的候選目標(biāo)的檢測(cè)67
2.5.2基于均值-標(biāo)準(zhǔn)差直線描述子的直線匹配70
2.5.3背景運(yùn)動(dòng)補(bǔ)償72
2.5.4弱小運(yùn)動(dòng)目標(biāo)檢測(cè)74
2.5.5檢測(cè)實(shí)驗(yàn)與性能分析76
2.6本章小結(jié)79
第3章紅外圖像顯著目標(biāo)的異源匹配檢測(cè)80
3.1引言80
3.2基于邊緣特征的異源特征匹配檢測(cè)81
3.2.1常用的邊緣提取算法81
3.2.2邊緣提取實(shí)驗(yàn)及分析83
3.2.3基于邊緣相似性距離度量的異源匹配算法84
3.3基于互信息度量的異源圖像匹配檢測(cè)86
3.3.1熵與互信息87
3.3.2基于灰度互信息的匹配檢測(cè)算法88
3.3.3基于梯度互信息的匹配檢測(cè)算法90
3.4基于梯度方向分布場(chǎng)的異源匹配檢測(cè)算法93
3.4.1分布場(chǎng)原理分析94
3.4.2基于梯度方向分布場(chǎng)圖的異源匹配97
3.4.3匹配檢測(cè)實(shí)驗(yàn)與分析101
3.5基于橢圓對(duì)稱方向距的異源匹配檢測(cè)算法107
3.5.1同質(zhì)區(qū)域特征提取108
3.5.2基于橢圓對(duì)稱方向矩的異源特征匹配109
3.5.3檢測(cè)算法實(shí)驗(yàn)與分析111
3.6本章小結(jié)116
第4章基于深度學(xué)習(xí)的紅外圖像顯著目標(biāo)檢測(cè)117
4.1引言117
4.2基于深度學(xué)習(xí)的目標(biāo)檢測(cè)框架分析118
4.2.1典型深度學(xué)習(xí)結(jié)構(gòu)118
4.2.2基于深度學(xué)習(xí)的目標(biāo)檢測(cè)流程126
4.2.3目標(biāo)建議方法分析126
4.3基于目標(biāo)建議的候選區(qū)域選取算法128
4.3.1目標(biāo)建議方法設(shè)計(jì)129
4.3.2飛機(jī)目標(biāo)候選區(qū)域提取方法132
4.3.3仿真實(shí)驗(yàn)與分析133
4.4基于級(jí)聯(lián)神經(jīng)網(wǎng)絡(luò)的目標(biāo)檢測(cè)方法136
4.4.1基礎(chǔ)卷積神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)與訓(xùn)練137
4.4.2級(jí)聯(lián)卷積神經(jīng)網(wǎng)絡(luò)構(gòu)建142
4.4.3仿真實(shí)驗(yàn)分析144
4.5目標(biāo)多視點(diǎn)圖像仿真生成方法149
4.5.1機(jī)載攝像機(jī)探測(cè)成像模型建立與分析149
4.5.2機(jī)載成像探測(cè)問題分析151
4.5.3圖像變換數(shù)學(xué)模型152
4.5.4多視點(diǎn)圖像仿真實(shí)驗(yàn)155
4.6本章小結(jié)157
第5章啟發(fā)式紅外圖像顯著目標(biāo)跟蹤158
5.1引言158
5.2基于Kalman濾波和梯度-徑向夾角的改進(jìn)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(tǒng)均值漂移算法存在的問題161
5.2.3基于Kalman濾波和梯度-徑向夾角的改進(jìn)均值漂移算法163
5.2.4算法跟蹤實(shí)驗(yàn)與性能分析170
5.3基于貝葉斯互信息分布場(chǎng)的紅外圖像目標(biāo)跟蹤算法175
5.3.1基于分布場(chǎng)的目標(biāo)描述176
5.3.2貝葉斯互信息原理177
5.3.3紅外圖像目標(biāo)跟蹤算法設(shè)計(jì)179
5.3.4跟蹤算法仿真與性能分析187
5.4基于稀疏表示多子模板的紅外圖像目標(biāo)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基于改進(jìn)多子模板的目標(biāo)跟蹤算法194
5.4.4跟蹤算法性能分析198
5.5基于局部特征索引結(jié)構(gòu)的紅外目標(biāo)跟蹤算法204
5.5.1視覺詞袋模型的構(gòu)建204
5.5.2基于局部特征索引結(jié)構(gòu)的目標(biāo)跟蹤框架構(gòu)建206
5.5.3算法跟蹤實(shí)驗(yàn)與分析214
5.6本章小結(jié)216
第6章辨別式紅外圖像顯著目標(biāo)跟蹤217
6.1引言217
6.2基于超像素圖結(jié)構(gòu)約束的紅外目標(biāo)跟蹤算法217
6.2.1基于聚類算法的外部約束218
6.2.2基于圖結(jié)構(gòu)的內(nèi)部約束219
6.2.3基于粒子濾波框架下的目標(biāo)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基于概率超圖排序的紅外目標(biāo)跟蹤算法228
6.3.1概率超圖排序與構(gòu)造228
6.3.2概率超圖構(gòu)造229
6.3.3自適應(yīng)模板集約束模型232
6.3.4基于粒子濾波的目標(biāo)定位233
6.3.5模板更新機(jī)制234
6.3.6跟蹤實(shí)驗(yàn)與性能分析236
6.4基于多特征融合相關(guān)濾波的快速紅外目標(biāo)跟蹤算法240
6.4.1相關(guān)濾波原理240
6.4.2基于多特征融合的相關(guān)濾波跟蹤算法244
6.4.3跟蹤算法實(shí)驗(yàn)與性能分析247
6.5深度學(xué)習(xí)在目標(biāo)跟蹤中的應(yīng)用251
6.5.1基于卷積神經(jīng)網(wǎng)絡(luò)的深度目標(biāo)跟蹤251
6.5.2基于遞歸神經(jīng)網(wǎng)絡(luò)的深度目標(biāo)跟蹤252
6.5.3基于孿生網(wǎng)絡(luò)的深度目標(biāo)跟蹤252
6.5.4基于生成對(duì)抗網(wǎng)絡(luò)的深度目標(biāo)跟蹤253
6.5.5基于自編碼器的深度目標(biāo)跟蹤254
6.6本章小結(jié)255
第7章慣導(dǎo)信息輔助圖像目標(biāo)跟蹤優(yōu)化257
7.1引言257
7.2慣導(dǎo)信息與圖像的融合結(jié)構(gòu)257
7.2.1慣導(dǎo)信息對(duì)圖像進(jìn)行校正258
7.2.2慣導(dǎo)信息對(duì)成像位置進(jìn)行預(yù)測(cè)258
7.2.3慣導(dǎo)信息與圖像信息的融合制導(dǎo)259
7.2.4慣導(dǎo)信息與圖像信息融合的速度估計(jì)259
7.2.5慣導(dǎo)信息與圖像信息融合的電子穩(wěn)像技術(shù)259
7.3基于慣導(dǎo)信息的目標(biāo)跟蹤模板校正260
7.3.1坐標(biāo)變換模型建立261
7.3.2模板校正仿真實(shí)驗(yàn)與分析262
7.4基于慣導(dǎo)導(dǎo)航信息的目標(biāo)跟蹤位置預(yù)測(cè)263
7.4.1位置預(yù)測(cè)問題描述263
7.4.2模型建立與方法設(shè)計(jì)264
7.4.3仿真實(shí)驗(yàn)與結(jié)果分析265
7.5基于慣導(dǎo)增量信息的目標(biāo)跟蹤位置預(yù)測(cè)266
7.5.1增量修正問題描述266
7.5.2模型建立與方法設(shè)計(jì)267
7.5.3仿真實(shí)驗(yàn)與結(jié)果分析269
7.6本章小結(jié)271
第8章紅外圖像目標(biāo)檢測(cè)與跟蹤仿真實(shí)驗(yàn)系統(tǒng)272
8.1引言272
8.2系統(tǒng)結(jié)構(gòu)與工作原理272
8.2.1系統(tǒng)結(jié)構(gòu)組成273
8.2.2系統(tǒng)工作原理274
8.3系統(tǒng)的空間對(duì)準(zhǔn)與時(shí)間對(duì)準(zhǔn)277
8.3.1空間對(duì)準(zhǔn)277
8.3.2時(shí)間對(duì)準(zhǔn)279
8.4系統(tǒng)軟件模塊組成281
8.4.1文件管理模塊282
8.4.2目標(biāo)數(shù)據(jù)仿真生成模塊282
8.4.3目標(biāo)數(shù)據(jù)集制備模塊286
8.4.4算法仿真與性能評(píng)估模塊289
8.5紅外圖像目標(biāo)檢測(cè)與跟蹤實(shí)驗(yàn)驗(yàn)證292
8.5.1紅外弱小目標(biāo)檢測(cè)仿真實(shí)驗(yàn)驗(yàn)證292
8.5.2異源圖像匹配檢測(cè)仿真實(shí)驗(yàn)驗(yàn)證293
8.5.3智能目標(biāo)檢測(cè)仿真實(shí)驗(yàn)驗(yàn)證294
8.5.4智能目標(biāo)跟蹤仿真實(shí)驗(yàn)驗(yàn)證295
8.6本章小結(jié)298
參考文獻(xiàn)299
附錄相關(guān)專業(yè)術(shù)語(yǔ)314
彩圖