当前位置:首页 > 工业技术
红外图像处理、分析与融合
红外图像处理、分析与融合

红外图像处理、分析与融合PDF电子书下载

工业技术

  • 电子书积分:10 积分如何计算积分?
  • 作 者:李俊山,杨威,张雄美著
  • 出 版 社:北京:科学出版社
  • 出版年份:2009
  • ISBN:9787030257840
  • 页数:215 页
图书介绍:本书针对国防应用中的下视红外景象匹配末制导、前视红外目标识别与跟踪等应用需求,从红外图象的目标特性和预处理出发,以红外图象景象匹配等内容为重点,系统阐述了红外图象处理的相关内容。
《红外图像处理、分析与融合》目录

第一篇 红外图像的目标特性 3

第1章 红外成像原理与红外图像特征 3

1.1 红外辐射基本理论 3

1.1.1 红外辐射与红外光谱 3

1.1.2 红外辐射的传输与衰减 4

1.1.3 红外辐射基本定律 6

1.2 红外成像原理 7

1.2.1 红外成像基本原理 7

1.2.2 红外成像系统的特点 9

1.2.3 红外探测器 9

1.3 红外图像的基本特征 11

1.3.1 红外图像的特点 11

1.3.2 红外图像与可见光图像的区别 12

1.4 军用红外小目标和背景的辐射特性 13

1.4.1 军用红外小目标的红外辐射特性 14

1.4.2 红外目标背景的红外辐射特性 16

第二篇 红外图像景象匹配 19

第2章 景象匹配区选取 19

2.1 典型的可匹配性检验参数分析 19

2.2 基于红外实时图的光学基准图选取 20

2.2.1 基于典型的可匹配性检验参数准则的基准图选取 21

2.2.2 仿真实验与结果分析 23

2.3 基准图选取控制策略 26

2.3.1 景象匹配区相关面特征的概念 27

2.3.2 最高峰尖锐度计算方法 29

2.3.3 景象匹配区相关面特征准则的验证 30

2.4 基于并行遗传算法的图像自匹配系数的快速计算方法 32

2.4.1 混沌优化方法 32

2.4.2 基于PGA的图像自匹配系数的快速计算 33

2.4.3 仿真实验及算法性能分析 34

第3章 基于遗传算法的灰度相关匹配 36

3.1 典型的灰度相似性算法分析 36

3.2 基于遗传优化的灰度相关匹配算法 38

3.2.1 基于遗传优化的灰度相关匹配算法设计 39

3.2.2 仿真实验 41

3.2.3 实验结果与分析 43

3.3 基于混合遗传算法的灰度相关匹配算法 44

3.3.1 混沌遗传优化组合方法研究 45

3.3.2 快速匹配算法的设计 45

3.3.3 实验及算法性能分析 47

3.4 基于遗传算法的分层快速匹配算法 48

3.4.1 算法控制策略设计 48

3.4.2 旋转实时图像的坐标变换 50

3.4.3 匹配算法的实现 52

3.4.4 仿真实验结果及分析 53

第4章 基于Hausdorff距离的边缘特征匹配 56

4.1 部分Hausdorff距离与景象匹配 56

4.1.1 Hausdorff距离 56

4.1.2 部分Hausdorff距离 57

4.1.3 基于平均距离值的部分Hausdorff距离 57

4.1.4 改进的部分Hausdorff距离 58

4.2 基于LTS-HD的景象匹配加速技术 58

4.2.1 邻域排除法 59

4.2.2 扫描终止法 59

4.2.3 前向跳跃法 59

4.3 基于LTS-HD的边缘特征快速匹配算法 60

4.3.1 Hausdorff距离的变换 60

4.3.2 基于LTS-HD的快速景象匹配算法设计 61

4.3.3 实验结果与分析 62

4.4 基于进化策略的边缘特征匹配算法 64

4.4.1 进化策略的算法模型 64

4.4.2 进化策略的改进措施 67

4.4.3 进化策略与LTS-HD结合的匹配算法 68

4.4.4 实验结果与分析 69

4.5 基于边缘金字塔结构的边缘特征匹配算法 71

4.5.1 边缘图像金字塔和距离图像金字塔 72

4.5.2 金字塔抽取模式和分解次数的自适应确定 73

4.5.3 边缘金字塔分解的LTS-HD距离匹配算法 74

4.5.4 仿真实验结果及分析 74

第5章 基于神经网络的景象匹配 77

5.1 BP神经网络 77

5.2 基于BP神经网络的景象匹配设计 80

5.2.1 BP神经网络匹配特征设计 80

5.2.2 景象匹配的BP神经网络结构设计 82

5.2.3 景象匹配的BP神经网络算法 83

5.2.4 算法性能分析 84

5.3 基于进化策略的BP神经网络匹配算法 86

5.3.1 传统BP算法的缺陷分析及以往的改进方法 86

5.3.2 改进的Es与BP神经网络结合的关键技术 87

5.3.3 基于进化策略的BP神经网络匹配算法设计 89

5.3.4 仿真实验与结果分析 90

5.4 基于像素环形排列的神经网络匹配算法 92

5.4.1 算法描述 92

5.4.2 仿真实验与结果分析 94

第三篇 红外目标识别与跟踪 99

第6章 红外小目标检测 99

6.1 红外小目标检测方法 99

6.1.1 DBT方法 99

6.1.2 TBD方法 101

6.2 基于特征统计表决的小目标检测 102

6.2.1 特征提取 102

6.2.2 分层特征统计表决的小目标提取 103

6.3 基于背景抑制和管道滤波的红外运动小目标检测 104

6.3.1 数学形态学理论 104

6.3.2 基于数学形态学滤波的背景抑制 105

6.3.3 基于管道滤波的序列图像中运动小目标的检测 107

第7章 红外面目标检测 109

7.1 基于二维熵分割的红外面目标检测 109

7.1.1 信息熵 109

7.1.2 二维直方图 110

7.1.3 二维熵分割算法 111

7.1.4 快速二维熵分割算法 111

7.1.5 实验结果及算法性能分析 114

7.2 基于变分水平集的红外面目标分割方法 115

7.2.1 曲线演化和水平集方法 116

7.2.2 C-V模型 116

7.2.3 改进C-V模型的红外图像分割方法 117

7.2.4 实验结果及分析 118

7.3 基于时空联合的红外目标聚类提取方法 119

7.3.1 时域分割 120

7.3.2 空域分割 121

7.3.3 实验结果及分析 123

第8章 基于粒子滤波的红外目标跟踪 125

8.1 基于贝叶斯滤波的目标跟踪 125

8.2 粒子滤波方法 127

8.2.1 蒙特卡罗原理 127

8.2.2 序贯重要性采样 127

8.2.3 重采样 129

8.2.4 粒子滤波算法 130

8.3 基于粒子群优化的辅助粒子滤波跟踪方法 130

8.3.1 辅助粒子滤波 131

8.3.2 粒子群优化 132

8.3.3 跟踪算法 133

8.3.4 实验结果及分析 134

第9章 基于均值漂移的红外目标跟踪 137

9.1 均值漂移理论 137

9.1.1 核密度估计 137

9.1.2 均值漂移 139

9.2 基于均值漂移和特征匹配的红外目标跟踪 139

9.2.1 基于均值漂移的红外目标跟踪 140

9.2.2 红外目标的特征匹配修正定位 141

9.2.3 实验结果及分析 143

9.3 基于改进均值漂移算法的红外面目标跟踪 145

9.3.1 跟踪模型 145

9.3.2 跟踪方法 147

9.3.3 核半径的自动更新 149

9.3.4 跟踪流程 150

9.3.5 实验结果 150

第四篇 红外图像融合 155

第10章 多分辨率图像融合 155

10.1 多分辨率图像融合规则 155

10.1.1 基于像素的融合规则 155

10.1.2 基于区域的融合规则 157

10.2 基于金字塔分解的图像融合 158

10.2.1 基于Laplace金字塔分解的图像融合 158

10.2.2 基于对比度金字塔分解的图像融合 161

10.2.3 实验结果及分析 162

10.3 基于小波变换的图像融合 164

10.3.1 连续小波变换 164

10.3.2 用于图像处理的离散小波变换 165

10.3.3 基于小波变换的图像融合方法与意义 167

10.3.4 实验结果及分析 168

10.4 基于COntourlet变换的图像融合 169

10.4.1 Contourlet变换 169

10.4.2 基于Contourlet变换的图像融合方法 172

10.4.3 实验结果及分析 173

第11章 非子采样轮廓波变换及其改进 174

11.1 非子采样轮廓波变换 174

11.1.1 非子采样金字塔 175

11.1.2 非子采样方向滤波器组 176

11.1.3 非子采样滤波器组 178

11.2 非子采样轮廓波变换的改进 180

11.2.1 不可分离小波变换 180

11.2.2 平移不变的NSWT 181

11.2.3 基于平移不变NSWT的多尺度方向分析 182

11.3 图像融合实验及分析 183

11.3.1 多聚焦图像融合实验 184

11.3.2 畸变图像融合实验 186

11.3.3 微光夜视与前视红外图像融合实验 188

第12章 基于NSWMDA的自适应图像融合框架 190

12.1 基于NSWMDA的层内融合框架 190

12.2 基于NSWMDA的层间融合框架 192

12.3 基于NSWMDA的综合融合框架 194

12.4 实验结果及分析 194

第13章 图像融合效果评价 198

13.1 基于单个图像统计特征的评价方法 199

13.1.1 图像均值 199

13.1.2 信息熵 199

13.1.3 标准差 199

13.2 基于误差灵敏度的评价方法 200

13.2.1 均方根误差 200

13.2.2 峰值信噪比 200

13.3 基于结构信息传递量的评价方法 200

13.3.1 基于SSIM的融合图像质量评价方法 201

13.3.2 Q因子 201

13.4 基于梯度的融合图像质量评价方法 202

13.4.1 基于梯度信息相关性的评价方法 203

13.4.2 基于边缘信息相关性的评价方法 205

13.5 实验结果及分析 205

参考文献 209

相关图书
作者其它书籍
返回顶部