多源夜视图像认知计算理论与方法PDF电子书下载

第1章 绪论 1

1.1 多源夜视图像视觉认知的研究内容 2

1.2 夜视图像融合与视觉认知计算 3

1.3 仿生视觉认知计算模型方法 5

1.3.1 元胞自动机理论 7

1.3.2 非经典感受野机制 8

1.3.3 视觉稀疏感知特性理论 10

1.3.4 视觉注意机制 11

1.3.5 what/where视觉感知过程 12

1.3.6 视觉层次认知学习过程 14

1.4 视觉认知计算的夜视应用 16

1.4.1 基于稀疏表示的图像降噪 16

1.4.2 基于非经典感受野的轮廓提取 18

1.4.3 基于视觉特征的超分辨率重建 19

1.4.4 基于视觉注意的显著检测 21

1.4.5 基于稀疏分类的目标识别 22

1.4.6 基于层次化认知的目标检测定位 25

1.5 本书概述 26

参考文献 27

第2章 夜视图像视觉增强 36

2.1 夜视图像特性分析 36

2.1.1 微光图像噪声分析 36

2.1.2 红外图像特征分析 38

2.2 基于局部稀疏结构的降噪增强模型 41

2.2.1 局部结构保持稀疏编码 41

2.2.2 核化局部结构保持稀疏编码 43

2.2.3 编码实现 44

2.2.4 局部稀疏结构降噪模型 49

2.3 基于分层的红外图像增强模型 52

2.3.1 图像结构层 54

2.3.2 图像纹理层 55

2.3.3 基于结构约束的图像层整合 57

2.4 基于元胞自动机的红外图像增强模型 57

2.4.1 基于梯度分布的先验知识 58

2.4.2 基于梯度分布残差的先验知识 59

2.4.3 迭代准则 59

2.5 实验结果与分析 60

2.5.1 基于局部稀疏结构降噪模型 60

2.5.2 基于分层的红外图像增强模型 70

2.5.3 基于元胞自动机的红外图像增强模型 74

2.6 本章小结 77

参考文献 77

第3章 夜视图像视觉特征提取 81

3.1 活动轮廓模型 81

3.1.1 SLGS模型 81

3.1.2 LBF模型 83

3.2 基于nCRF的夜视图像显著轮廓提取 84

3.2.1 基于WKPCA同质度校正nCRF抑制模型的微光图像显著轮廓提取 85

3.2.2 基于nCRF复合模型的复杂场景下夜视图像显著轮廓提取 98

3.2.3 两种模型对降噪前后微光图像轮廓提取效果比较 114

3.3 基于主动轮廓模型的光谱图像分割 115

3.3.1 自适应的基于多维特征的主动轮廓模型 115

3.3.2 基于空间-光谱信息的主动轮廓分割模型 128

3.4 本章小结 138

参考文献 139

第4章 夜视图像显著检测 142

4.1 视觉注意和显著分析 142

4.1.1 视觉感知系统 142

4.1.2 数据驱动的显著模型 144

4.1.3 任务驱动的显著模型 144

4.2 基于动态各向异性感受野的显著模型 145

4.2.1 离散型C-S模型 146

4.2.2 基于离散型C-S的显著检测算法 146

4.2.3 实验结果与分析 148

4.3 基于纹理显著性的微光图像目标检测 149

4.3.1 局部纹理粗糙度 149

4.3.2 纹理显著性度量 158

4.3.3 实验结果与分析 161

4.4 多模型互作用的视觉显著检测 164

4.4.1 基于布尔图和前景图的显著模型 164

4.4.2 基于图论布尔图的显著模型 170

4.4.3 实验结果与分析 174

4.5 本章小结 187

参考文献 187

第5章 非训练夜视目标认知检测 190

5.1 非训练夜视目标检测方法 190

5.2 基于局部与全局LARK特征的匹配模型的目标检测算法 191

5.2.1 LARK算子 192

5.2.2 局部LARK特征和全局热扩散结合的红外目标检测模型 197

5.2.3 基于LARK特征和布尔图结合的红外目标检测模型 201

5.2.4 实验结果与分析 203

5.3 基于相似结构统计和近邻结构约束LARK特征的匹配模型 215

5.3.1 局部相似结构统计匹配模型 215

5.3.2 近邻结构匹配模型 221

5.3.3 实验结果分析 227

5.4 基于局部稀疏结构匹配模型的夜视目标鲁棒检测 234

5.4.1 局部稀疏结构匹配模型 234

5.4.2 LSSM模型分析与夜视目标检测效果 238

5.5 本章小结 248

参考文献 248

第6章 时-空-谱夜视目标识别定位 251

6.1 WWN模型生物机理 251

6.1.1 基于what和where信息的视觉感知模型 252

6.1.2 现有WWN模型综述 255

6.1.3 WWN模型的延伸 256

6.2 3D-LARK特征算子 257

6.2.1 基于空间-光谱的3D-LARK 257

6.2.2 基于空间-时间的3D-LARK 259

6.2.3 其他特征算子与3D-LARK的比较 260

6.3 基于金字塔分层模型的多光谱目标识别 261

6.3.1 基于3D-LARK和分层模型的多光谱目标检测 261

6.3.2 基于局部和近邻结构特征约束的目标检测模型 273

6.4 基于空间-时间结构约束的3D-LARK视频动作识别 286

6.4.1 邻域高斯结构时空统计匹配 286

6.4.2 双层结构融合的运动目标检测模型 288

6.4.3 实验测试与参数分析 295

6.5 本章小结 306

参考文献 306

第7章 多源夜视图像融合系统 310

7.1 基于改进梯度互信息和粒子群优化算法的双波段图像配准 310

7.1.1 改进梯度互信息测度 311

7.1.2 改进粒子群优化算法 312

7.1.3 算法步骤及结果分析 315

7.2 基于灰度空间相关性的融合方法及其评价准则 317

7.2.1 基于灰度空间相关性的融合方法 317

7.2.2 基于灰度空间相关性的融合效果评价准则 323

7.3 基于改进小波的图像融合算法 326

7.3.1 基于局部特征残差与统计匹配的图像融合算法 327

7.3.2 基于局部梯度相关性与差值统计特征的图像融合算法 337

7.4 基于视觉并行处理机制的目标识别彩色夜视融合方法 346

7.4.1 感兴趣区域分水岭分割的BP神经网络典型目标识别 347

7.4.2 基于视觉并行处理机制的典型目标识别彩色夜视融合 357

7.5 多源夜视图像融合系统 359

7.6 本章小结 370

参考文献 370

第8章 窄带光谱成像探测系统 375

8.1 窄带光谱成像系统 375

8.1.1 组件式窄带光谱系统 375

8.1.2 双光路双色散窄带光谱系统 379

8.1.3 基于DMD编码的哈达码变换高灵敏成像系统 384

8.1.4 基于DMD编码的哈达码变换多光谱成像系统 390

8.2 基于SAM加权KEST算法的多光谱夜视目标检测 391

8.2.1 EST和KEST算法 391

8.2.2 SAM加权KEST算法（SKEST） 393

8.2.3 多光谱异常目标检测实验分析 397

8.3 基于空间一致性的高光谱分类 401

8.3.1 最小关联窗口的高光谱分类 401

8.3.2 基于空间一致性降元的高光谱分类 407

8.3.3 基于特征光谱段的目标提取算法 417

8.4 窄带光谱成像伪装目标探测实验 425

8.5 本章小结 428

参考文献 428

第9章 双目立体夜视系统 431

9.1 双目立体夜视系统中的相机标定 431

9.1.1 基于透射式标定板的红外相机标定方法 431

9.1.2 改进的光轴非平行模型 439

9.2 极线校正 441

9.2.1 基于粒子群优化算法的极线校正方法 442

9.2.2 基于单一变换矩阵的极线校正方法 450

9.3 基于遮挡现象以及低纹理区域的立体匹配算法 454

9.3.1 基于遮挡现象的立体匹配算法研究 454

9.3.2 基于低纹理区域的立体匹配算法研究 468

9.4 微光、红外双目立体视觉系统构建与实验 472

9.4.1 微光双目立体视觉系统 472

9.4.2 红外双目显著目标测距系统 477

9.5 本章小结 482

参考文献 482