第1章 绪论 1
1.1 典型目标识别技术概述 1
1.2 军事目标识别技术及其发展概况 2
1.2.1 ATR简介 2
1.2.2 军事目标识别技术的发展 2
1.2.3 典型ATR系统 7
1.3 车牌自动识别技术概述 8
1.3.1 车牌自动识别系统的组成及工作原理 8
1.3.2 车牌自动识别系统的国内外现状 9
1.3.3 汽车牌照识别系统关键技术 11
1.4 目标识别中的干扰因素分析 12
1.4.1 被动干扰 12
1.4.2 主动干扰 13
1.4.3 不同气象条件对目标识别系统的影响 13
1.5 本书的主要内容 14
1.5.1 本书的主要工作 14
1.5.2 本书的结构 15
第2章 目标识别技术的相关理论基础 16
2.1 数学形态学基础 16
2.1.1 数学形态学概述 16
2.1.2 二值形态学的基本原理 17
2.1.3 灰度形态学的基本原理 18
2.1.4 数学形态学的结构元素及其分类、组合、分解 19
2.1.5 数学形态学的应用 21
2.2 图像分割方法概述 21
2.2.1 图像分割的基本概念 21
2.2.2 图像分割方法 22
2.2.3 图像分割中存在的问题 24
2.3 图像特征分析与描述 25
2.3.1 图像特征分类 25
2.3.2 特征的分析与描述 25
2.4 神经网络理论基础 27
2.4.1 人工神经网络及其模型 27
2.4.2 神经网络的分类及其激活函数 29
2.4.3 神经网络的学习训练方法 30
2.5 大气散射理论基础 32
2.5.1 大气中粒子与天气的关系 33
2.5.2 大气散射机理 34
第3章 典型目标检测及提取技术 39
3.1 引言 39
3.2 目标搜索与定位方法 39
3.2.1 目标区域搜索方法 40
3.2.2 目标定位方法 43
3.3 综合目标分割方法 45
3.3.1 基于特征的目标分割方法 45
3.3.2 算法综合及结果 48
3.4 基于多层次特征目标提取中的目标候选区域选择 49
3.4.1 基于灰度特征的多阈值分割 49
3.4.2 基于空间分布特征的区域选择 49
3.5 基于多层次特征与数学形态学的目标提取方法 50
3.5.1 基于多层次特征与数学形态学的目标提取方法 50
3.5.2 目标递归提取方法 52
3.5.3 提取流程及实验结果 53
第4章 基于综合特征的目标识别技术 57
4.1 引言 57
4.1.1 特征提取与选择 57
4.1.2 特征提取与选择的步骤 57
4.1.3 特征提取与特征选择的关系 58
4.2 基于综合特征提取的车牌字符识别方法 58
4.2.1 车牌字符的几种典型特征及提取方法 59
4.2.2 识别流程及分类器的设计 60
4.2.3 算法综合及识别结果 61
4.3 基于不变特征的军事目标识别 62
4.3.1 不变矩与圆度特征提取 62
4.3.2 构造样本特征库 67
4.3.3 特征空间搜索与特征匹配 68
4.3.4 判决与分类 69
4.3.5 系统识别流程及与识别实验结果 70
第5章 基于神经网络的目标识别技术 72
5.1 基于BP网络的目标识别 72
5.1.1 BP网络模型及其工作原理 72
5.1.2 BP网络分类器的实现及实验结果 76
5.2 基于自组织竞争网络的目标识别 79
5.2.1 自组织竞争网络模型及其工作原理 79
5.2.2 自组织竞争网络分类器的实现及实验结果 81
5.3 基于Hopfield网络的目标识别 82
5.3.1 Hopfield网络模型及其工作原理 82
5.3.2 Hopfield网络分类器的实现及实验结果 85
5.4 基于不变特征的神经网络识别 86
5.4.1 BP网络识别 87
5.4.2 自组织竞争网络识别 88
第6章 基于物理模型的雾天退化图像复原方法 89
6.1 退化图像及复原方法概述 89
6.1.1 成像系统的数学描述 89
6.1.2 退化图像模型 91
6.1.3 退化图像的复原方法概述 93
6.2 天气退化图像模型 96
6.2.1 单色大气散射模型 96
6.2.2 二色大气散射模型 96
6.2.3 光源的辉光模型 97
6.3 光源天气退化图像的仿真及复原 101
6.3.1 光源天气退化图像的仿真 101
6.3.2 光源天气退化图像的复原 102
6.4 基于二色模型的天气退化图像的复原方法 104
6.4.1 获取深度信息 104
6.4.2 图像复原 105
6.4.3 复原后图像增强 106
6.4.4 仿真实验结果及比较 107
后记 110
参考文献 112