第1章 引论 1
1.1 不变特性感知 4
1.2 成像目标识别的信号处理 5
1.3 计算智能途径 5
1.4 性能评价与预测 6
1.4.1 场景参数 6
1.4.3 传感器与平台特性 7
1.4.4 图像度量参数 7
1.4.2 大气参数 7
1.5 实时性和可开发性 8
1.6 识别的基本过程 9
1.6.1 过程与系统 10
1.6.2 预处理与背景抑制 11
1.6.3 多级动态特征空间 12
1.6.4 识别问题的内涵 14
参考文献 15
第2章 目标的表达与建模 18
2.1.1 轮廓的金字塔模型 19
2.1 多尺度目标表达 19
2.1.2 三维目标的方位图 21
2.1.3 多尺度特性视图 31
2.2 目标图像的不变量表达 41
2.2.1 二维几何矩的不变特征 42
2.2.2 二值不变矩的轮廓链快速算法 47
2.2.3 Zernike矩 51
2.2.4 平移和尺度不变的自适应小波矩 57
2.2.5 傅里叶描述子不变量 67
2.2.6 傅里叶—梅林变换 71
2.3 不变矩稳定性及多级特征模型 75
2.3.1 高斯点扩展函数作用下的目标不变矩 76
2.3.2 离散条件下不变矩的计算误差 91
2.3.3 不变矩数量级标准化 92
2.3.4 目标识别的多级特征模型 92
2.3.5 小结 94
参考文献 94
3.1 湍流图像校正与恢复 99
第3章 基于成像过程的预处理 99
3.1.1 构造方程组 101
3.1.2 改造方程组 104
3.1.3 方程的选择 105
3.1.4 点扩展函数的直接估计法 106
3.1.5 约束最优估计 107
3.1.6 实验及分析 109
3.2 旋转模糊图像恢复 115
3.1.7 小结 115
3.2.1 旋转运动模糊分析 116
3.2.2 沿模糊路径去卷积 118
3.2.3 邻域知识引导的最小代价恢复算法 119
3.2.4 实验 121
3.2.5 小结 123
3.3 振动模糊的图像恢复 123
3.3.1 算法原理 125
3.3.2 实验 127
3.3.3 小结 128
3.4 红外成像非均匀性校正 129
3.4.1 校正公式 131
3.4.2 响应非线性和硬件实现 132
3.4.3 仿真实验 135
3.4.4 小结 138
3.5 序列图像的稳像 139
参考文献 141
4.1 多级滤波与斑状区检测 147
4.1.1 模型 147
第4章 背景抑制与兴趣区提取 147
4.1.2 多级滤波抑制背景和噪声 149
4.1.3 检测最优门限实时估计 158
4.1.4 实验 159
4.2 基于分形的非线性滤波 162
4.2.1 灰度曲面的分形特征 162
4.2.2 小目标检测 168
4.2.3 小结 170
4.3 基于视觉非线性的二值分割 170
4.3.1 计算模型 171
4.3.2 算法和实例 175
4.3.3 小结 178
4.4 多值图像分割与标记 178
4.4.1 多代理者分割方法 179
4.4.2 主要代理者的说明 180
4.4.3 实验 184
4.4.4 轮廓跟踪、标记和区域树结构 187
4.5 基于梯度的分割与兴趣点检测 196
4.5.1 低反差图像分割 196
4.5.2 吃水线识别 200
4.5.3 帧间兴趣点确认 202
4.5.4 实验 203
参考文献 204
第5章 运动目标检测 209
5.1 运动感知模型 209
5.1.1 有趣的性质 210
5.1.2 移动图像的频率构成 210
5.1.3 运动感知器模型 213
5.2.1 恒常性假设及其计算 221
5.1.4 小结 221
5.2 基于光流的运动目标检测 221
5.2.2 背景与目标的表观运动 222
5.2.3 抑制噪声影响 223
5.2.4 多分辨率运动估计 224
5.2.5 光流计算与检测实验 226
5.2.6 有监督学习的运动物体检测 229
5.2.7 小结 239
5.3 点源运动目标检测 239
5.3.1 成像的采样模型 240
5.3.2 频率域检测算法 241
5.3.3 空间－时间－光谱域检测算法 248
参考文献 259
第6章 目标识别算法 261
6.1 概述 261
6.1.1 统计模式识别算法 261
6.1.2 基于模型的识别算法 262
6.1.4 典型目标类型 264
6.1.3 人工神经网络算法 264
6.2 基于不变量的目标识别 265
6.2.1 边界仿射不变量识别机场 265
6.2.2 Zernike矩识别算法 273
6.2.3 多尺度矩不变量识别飞机 276
6.3 基于知识的识别算法 280
6.3.1 前视桥梁识别 280
6.3.2 前视电厂识别 288
6.4 知觉组织与双特征融合识别 299
6.4.1 启发式两阶段识别 300
6.4.2 目标提取与识别的证据累积 307
参考文献 316
第7章 实时识别系统 320
7.1 实时的概念 320
7.2 实时系统的实现策略 321
7.2.1 算法和结构的相互映射 321
7.2.2 算法复杂性分析 323
7.2.3 软件／硬件的折衷 324
7.3.2 信息处理机系统 325
7.3 实时系统举例 325
7.3.1 检测识别处理流程 325
参考文献 335
第8章 系统分析、仿真与评价 338
8.1 系统分析与研发策略 338
8.1.1 系统性能分析 338
8.1.2 ATR的复杂性空间 340
8.1.3 传感器和目标的可变性 342
8.1.4 系统研发策略 343
8.2 目标识别的性能度量 344
8.2.1 整体性能度量 345
8.2.2 功能单元的性能度量 349
8.3 仿真与评价 351
8.3.1 图像信息处理平台 351
8.3.2 图像的全数学仿真 352
8.3.3 基于已有数据的图像仿真 356
8.3.4 算法评价实例 390
参考文献 415
后记 420