扫一扫
关注中图网
官方微博
本类五星书更多>
-
>
湖南省志(1978-2002)?铁路志
-
>
公路车宝典(ZINN的公路车维修与保养秘籍)
-
>
晶体管电路设计(下)
-
>
基于个性化设计策略的智能交通系统关键技术
-
>
德国克虏伯与晚清火:贸易与仿制模式下的技术转移
-
>
花样百出:贵州少数民族图案填色
-
>
识木:全球220种木材图鉴
远距复杂背景红外暗弱小目标检测技术 版权信息
- ISBN：9787515923468
- 条形码：9787515923468 ; 978-7-5159-2346-8
- 装帧：精装
- 册数：暂无
- 重量：暂无
- 所属分类：>
远距复杂背景红外暗弱小目标检测技术 内容简介
本书共8章，详细介绍了红外小目标检测技术概述、红外暗弱小目标探测理论基础、低信杂比环境红外弱小目标检测技术、强反射环境红外暗弱小目标检测技术、强杂波环境红外弱小目标检测技术、复杂背景红外弱小目标智能检测技术、弱小目标红外双波段图像融合检测技术、红外与可见光图像融合弱小目标检测技术等内容。全书力求内容覆盖全面，融入了红外弱小目标检测方面的*新成果，以使读者全面系统地了解机载、舰载、弹载和车载等红外成像搜索与跟踪系统远距复杂背景目标截获中的关键难点、核心技术和设计方法等。
本书可供从事机载、舰载、弹载和车载等红外成像搜索与跟踪系统的图像处理专业的设计人员使用，也可供其他相关专业科研人员和高等院校师生参考。
远距复杂背景红外暗弱小目标检测技术 目录
第1章红外小目标检测技术概述1
1.1红外成像探测技术发展概况1
1.1.1红外成像探测基本原理1
1.1.2红外成像探测技术发展现状14
1.1.3红外成像探测技术应用概况22
1.2典型红外成像探测系统介绍27
1.2.1红外成像导引系统27
1.2.2红外搜索与跟踪系统31
1.2.3红外告警系统37
1.2.4红外小目标探测性能指标39
1.3红外小目标检测技术发展概况40
1.3.1小目标检测问题描述40
1.3.2小目标检测技术研究现状42
1.3.3本书主要内容51
本章小结52
第2章红外暗弱小目标探测理论基础53 2.1红外暗弱小目标与背景特性53 2.1.1红外图像的特性53 2.1.2暗弱小目标红外特性55 2.1.3背景红外特性59 2.2常用暗弱小目标检测方法64 2.2.1空域处理方法64 2.2.2变换域处理方法73 2.2.3时域处理方法78 2.2.4深度学习方法83 2.3暗弱小目标检测性能指标86 2.3.1目标信号质量指标87 2.3.2图像信号质量指标88 2.3.3检测算法性能指标89 本章小结91
第3章低信杂比环境红外弱小目标检测技术92 3.1基于空域显著性的弱小目标检测92 3.1.1空域显著特性92 3.1.2空域滤波方法93 3.1.3空域显著图计算和显著度分割96 3.1.4弱小目标检测算法97 3.2基于频域显著性的弱小目标检测100 3.2.1频域显著特性101 3.2.2频域滤波方法102 3.2.3频域显著图计算105 3.2.4频谱残差计算107 3.2.5弱小目标检测算法108 3.3基于时空频域显著性的弱小目标检测110 3.3.1时域能量累积110 3.3.2时域管道滤波114 3.3.3时域动态规划117 3.3.4弱小目标检测算法120 本章小结132
第4章强反射环境红外暗弱小目标检测技术133 4.1暗目标检测方法133 4.1.1局部能量因子133 4.1.2MLCMLEF暗目标检测算法134 4.1.3MPCMLEF暗目标检测算法135 4.2空域先验信息背景抑制方法137 4.2.1背景与暗目标灰度直方图分析137 4.2.2背景与暗目标灰度概率分布模型139 4.2.3背景抑制方法142 4.3融合背景先验的时空显著性暗目标检测145 4.3.1算法原理145 4.3.2算法流程145 4.3.3示例147 本章小结152
第5章强杂波环境红外弱小目标检测技术153 5.1自适应图像分割153 5.1.1场景区域分类154 5.1.2自适应阈值分割158 5.2背景抑制方法162 5.2.1背景特征分析162 5.2.2基于梯度特征的背景抑制方法164 5.3基于位置灰度面积关联的动态管道滤波166 5.3.1背景时空波动特征分析166 5.3.2基于位置灰度面积关联的动态管道滤波原理168 5.4自适应红外小目标检测170 5.4.1算法原理170 5.4.2算法流程171 5.4.3示例172 本章小结177
第6章复杂背景红外弱小目标智能检测技术178 6.1卷积神经网络小目标检测178 6.1.1通用检测网络178 6.1.2小目标检测网络设计188 6.1.3示例193 6.2基于深度学习的分割算法198 6.2.1通用分割网络198 6.2.2小目标分割网络设计205 6.2.3示例210 6.3三维卷积神经网络小目标检测212 6.3.1通用检测网络212 6.3.2小目标检测网络设计213 6.3.3示例216 6.4融合时序信息的小目标智能检测217 6.4.1基于时空信息关联算法218 6.4.2基于融合注意力机制的时空神经网络算法原理230 6.4.3示例236 本章小结243
第7章弱小目标红外双波段图像融合检测技术244 7.1目标与背景双波段特性分析244 7.1.1目标双波段特性244 7.1.2背景双波段特性248 7.1.3融合图像特性250 7.2双波段图像传统融合方法253 7.2.1基于空间域的图像融合方法254 7.2.2基于变换域的图像融合方法255 7.3双波段图像深度学习融合方法262 7.3.1DenseFuse图像融合算法262 7.3.2DRF图像融合算法265 7.3.3RFNNest图像融合算法268 7.3.4基于生成对抗网络的图像融合算法272 7.3.5基于VGG19网络图像融合算法276 7.4双波段图像传统深度学习融合方法280 7.4.1参数智能学习的红外双波段图像像素级融合方法280 7.4.2参数智能学习的红外双波段图像特征级融合方法283 7.4.3双波段图像融合评价指标286 7.4.4示例293 7.5弱小目标双波段检测297 7.5.1融合检测原理297 7.5.2算法流程301 7.5.3示例303 本章小结308
第8章红外与可见光图像融合弱小目标检测技术309 8.1红外与可见光融合理论基础309 8.1.1图像预处理310 8.1.2红外与可见光图像融合基本方法311 8.1.3红外与可见光图像融合评价标准316 8.2基于边缘特征和互信息的红外与可见光图像配准317 8.2.1边缘检测317 8.2.2边缘检测结合互信息的图像配准319 8.2.3示例320 8.3基于NSSTPCNN的红外与可见光图像融合方法321 8.3.1非下采样剪切波变换321 8.3.2脉冲耦合神经网络323 8.3.3NSSTPCNN图像融合算法324 8.3.4示例326 本章小结328
参考文献330
第2章红外暗弱小目标探测理论基础53 2.1红外暗弱小目标与背景特性53 2.1.1红外图像的特性53 2.1.2暗弱小目标红外特性55 2.1.3背景红外特性59 2.2常用暗弱小目标检测方法64 2.2.1空域处理方法64 2.2.2变换域处理方法73 2.2.3时域处理方法78 2.2.4深度学习方法83 2.3暗弱小目标检测性能指标86 2.3.1目标信号质量指标87 2.3.2图像信号质量指标88 2.3.3检测算法性能指标89 本章小结91
第3章低信杂比环境红外弱小目标检测技术92 3.1基于空域显著性的弱小目标检测92 3.1.1空域显著特性92 3.1.2空域滤波方法93 3.1.3空域显著图计算和显著度分割96 3.1.4弱小目标检测算法97 3.2基于频域显著性的弱小目标检测100 3.2.1频域显著特性101 3.2.2频域滤波方法102 3.2.3频域显著图计算105 3.2.4频谱残差计算107 3.2.5弱小目标检测算法108 3.3基于时空频域显著性的弱小目标检测110 3.3.1时域能量累积110 3.3.2时域管道滤波114 3.3.3时域动态规划117 3.3.4弱小目标检测算法120 本章小结132
第4章强反射环境红外暗弱小目标检测技术133 4.1暗目标检测方法133 4.1.1局部能量因子133 4.1.2MLCMLEF暗目标检测算法134 4.1.3MPCMLEF暗目标检测算法135 4.2空域先验信息背景抑制方法137 4.2.1背景与暗目标灰度直方图分析137 4.2.2背景与暗目标灰度概率分布模型139 4.2.3背景抑制方法142 4.3融合背景先验的时空显著性暗目标检测145 4.3.1算法原理145 4.3.2算法流程145 4.3.3示例147 本章小结152
第5章强杂波环境红外弱小目标检测技术153 5.1自适应图像分割153 5.1.1场景区域分类154 5.1.2自适应阈值分割158 5.2背景抑制方法162 5.2.1背景特征分析162 5.2.2基于梯度特征的背景抑制方法164 5.3基于位置灰度面积关联的动态管道滤波166 5.3.1背景时空波动特征分析166 5.3.2基于位置灰度面积关联的动态管道滤波原理168 5.4自适应红外小目标检测170 5.4.1算法原理170 5.4.2算法流程171 5.4.3示例172 本章小结177
第6章复杂背景红外弱小目标智能检测技术178 6.1卷积神经网络小目标检测178 6.1.1通用检测网络178 6.1.2小目标检测网络设计188 6.1.3示例193 6.2基于深度学习的分割算法198 6.2.1通用分割网络198 6.2.2小目标分割网络设计205 6.2.3示例210 6.3三维卷积神经网络小目标检测212 6.3.1通用检测网络212 6.3.2小目标检测网络设计213 6.3.3示例216 6.4融合时序信息的小目标智能检测217 6.4.1基于时空信息关联算法218 6.4.2基于融合注意力机制的时空神经网络算法原理230 6.4.3示例236 本章小结243
第7章弱小目标红外双波段图像融合检测技术244 7.1目标与背景双波段特性分析244 7.1.1目标双波段特性244 7.1.2背景双波段特性248 7.1.3融合图像特性250 7.2双波段图像传统融合方法253 7.2.1基于空间域的图像融合方法254 7.2.2基于变换域的图像融合方法255 7.3双波段图像深度学习融合方法262 7.3.1DenseFuse图像融合算法262 7.3.2DRF图像融合算法265 7.3.3RFNNest图像融合算法268 7.3.4基于生成对抗网络的图像融合算法272 7.3.5基于VGG19网络图像融合算法276 7.4双波段图像传统深度学习融合方法280 7.4.1参数智能学习的红外双波段图像像素级融合方法280 7.4.2参数智能学习的红外双波段图像特征级融合方法283 7.4.3双波段图像融合评价指标286 7.4.4示例293 7.5弱小目标双波段检测297 7.5.1融合检测原理297 7.5.2算法流程301 7.5.3示例303 本章小结308
第8章红外与可见光图像融合弱小目标检测技术309 8.1红外与可见光融合理论基础309 8.1.1图像预处理310 8.1.2红外与可见光图像融合基本方法311 8.1.3红外与可见光图像融合评价标准316 8.2基于边缘特征和互信息的红外与可见光图像配准317 8.2.1边缘检测317 8.2.2边缘检测结合互信息的图像配准319 8.2.3示例320 8.3基于NSSTPCNN的红外与可见光图像融合方法321 8.3.1非下采样剪切波变换321 8.3.2脉冲耦合神经网络323 8.3.3NSSTPCNN图像融合算法324 8.3.4示例326 本章小结328
参考文献330
展开全部
书友推荐
- >
新文学天穹两巨星--鲁迅与胡适/红烛学术丛书(红烛学术丛书)
新文学天穹两巨星--鲁迅与胡适/红烛学术丛书(红烛学术丛书)
¥9.9¥23.0 - >
推拿
推拿
¥12.2¥32.0 - >
史学评论
史学评论
¥23.5¥42.0 - >
经典常谈
经典常谈
¥12.7¥39.8 - >
上帝之肋:男人的真实旅程
上帝之肋:男人的真实旅程
¥19.3¥35.0 - >
烟与镜
烟与镜
¥14.4¥48.0 - >
人文阅读与收藏·良友文学丛书:一天的工作
人文阅读与收藏·良友文学丛书:一天的工作
¥14.7¥45.8 - >
龙榆生：词曲概论/大家小书
龙榆生：词曲概论/大家小书
¥13.0¥24.0
本类畅销
-
迷蒙星空-探天之路
¥14.5¥39 -
飞天起航
¥13.9¥35 -
航空工业出版社遥控模型飞机系列遥控像真模型飞机入门
¥20.2¥48 -
航天器自主导航技术
¥39.1¥112 -
国家出版基金 中国航天的历史使命
¥22.8¥68 -
航空超高强度钢的发展
¥25.9¥58
