水下目标检测与基于图的跟踪方法电子书

内容简介

前言

第1章概述

1.1 水下目标检测与跟踪的意义

1.2 目标检测技术的研究现状

1.3 目标跟踪技术的研究现状

1.4 基于图理论的算法

1.4.1 基于图方法的基本概念

1.4.2 图的构造方法

1.4.3 基于图方法在视频跟踪中的应用

参考文献

第2章图像预处理

2.1 引言

2.2 滤波算法简述

2.2.1 平滑线性滤波

2.2.2 维纳滤波

2.2.3 低通滤波

2.2.4 中值滤波

2.2.5 基于数学形态学的滤波

2.2.6 基于神经网络的滤波

2.2.7 基于偏微分方程的滤波

2.2.8 基于小波变换的滤波

2.3 声呐图像灰度统计模型特性分析

2.3.1 声呐图像统计特性

2.3.2 统计模型描述

2.3.3 对比分析

2.4 基于偏微分方程的非线性扩散滤波算法

2.4.1 相干斑噪声

2.4.2 非线性扩散滤波模型

2.4.3 算法改进

2.4.4 实验研究

2.5 基于窗口选择的自适应增强算法

2.5.1 窗口选择

2.5.2 自适应窗口增强方法

2.5.3 实验研究

2.6 小结

参考文献

第3章声呐图像分割

3.1 引言

3.2 图像分割算法简述

3.2.1 阈值化图像分割

3.2.2 边缘检测图像分割

3.2.3 基于区域的分割

3.2.4 基于形态学分水岭的分割

3.3 基于标记和模糊聚类的分水岭声呐图像分割

3.3.1 分水岭前处理及变换

3.3.2 基于粒子群算法的模糊聚类

3.3.3 实验研究

3.4 基于自适应迭代阈值的声呐图像分割算法

3.4.1 算法描述

3.4.2 实验研究

3.5 基于马尔可夫随机场的声呐图像分割算法

3.5.1 算法描述

3.5.2 实验研究

3.6 基于哈尔小波变换的水下小型沉底人造目标分割算法

3.6.1 算法描述

3.6.2 二值化阈值

3.6.3 干扰抑制

3.7 小结

参考文献

第4章目标检测

4.1 引言

4.2 基于灰度统计量的检测算法

4.2.1 算法描述

4.2.2 实验研究

4.3 基于纹理特征的目标检测算法

4.3.1 算法描述

4.3.2 实验研究

4.4 基于几何形状特征的检测算法

4.4.1 算法描述

4.4.2 实验研究

4.5 基于灰度分布概率模型的检测算法

4.5.1 参数特征检测算法

4.5.2 信息熵检测算法

4.5.3 实验研究

4.6 基于残留轮廓信息的水下沉船目标检测算法

4.6.1 目标和图像特性分析

4.6.2 算法描述与实验研究

4.7 基于合成孔径声呐图像的水下条状人造目标检测算法

4.7.1 目标和图像特性分析

4.7.2 算法描述与实验研究

4.8 小结

参考文献

第5章目标识别

5.1 引言

5.2 基于特征提取的声呐图像目标识别算法

5.2.1 图像规格化

5.2.2 特征选择与提取

5.2.3 实验研究

5.2.4 基于主成分分析的特征优化

5.3 基于形状描述直方图的声呐图像目标识别算法

5.3.1 算法描述

5.3.2 实验研究

5.4 基于形状上下文的声呐图像目标识别算法

5.4.1 算法描述

5.4.2 实验研究

5.5 小结

参考文献

第6章声呐图像目标跟踪算法

6.1 引言

6.1.1 图像视觉特征与跟踪方法分类

6.1.2 图像序列分析

6.2 基于卡尔曼滤波和数据关联的跟踪算法

6.2.1 算法描述

6.2.2 实验研究

6.3 基于形态特征的水下运动小目标跟踪算法

6.3.1 单边分段自适应阈值化

6.3.2 形态特征提取和跟踪

6.3.3 实验研究

6.4 基于支持向量机的水下动目标跟踪算法

6.4.1 图像预处理

6.4.2 特征参数提取和跟踪

6.4.3 实验研究

6.5 基于声呐序列图像的水下小目标检测算法

6.5.1 屏蔽背景噪声区

6.5.2 滤波去噪

6.5.3 消除“双影”和“空洞”现象的双帧差检测

6.5.4 图像弱化腐蚀

6.5.5 生成警戒区

6.5.6 实验研究

6.6 基于全局最近邻数据关联的水下动目标跟踪算法

6.6.1 目标参数计算

6.6.2 基于面积约束的全局域最近邻数据关联

6.6.3 波浪跟踪

6.7 小结

参考文献

第7章基于最小生成树的目标跟踪算法

7.1 引言

7.2 单类分类器与目标跟踪

7.2.1 目标跟踪中的单类分类器与两类分类器

7.2.2 单类分类问题

7.3 最小生成树单类描述子

7.4 基于最小生成树的目标跟踪算法

7.4.1 目标运动模型

7.4.2 目标类训练样本集的构建

7.4.3 基于最小生成树的目标跟踪算法

7.4.4 图的更新

7.4.5 算法步骤

7.5 实验研究

7.5.1 与两类分类器的比较

7.5.2 样本选择策略的有效性

7.5.3 最小生成树节点数目的影响

7.5.4 与其他算法的比较

7.6 小结

参考文献

第8章基于图的半监督目标跟踪算法

8.1 引言

8.2 背景知识

8.2.1 基于图的半监督学习

8.2.2 局部敏感判别分析方法

8.3 基于图的半监督目标跟踪

8.3.1 样本集的构建

8.3.2 基于部件的目标表示

8.3.3 基于图的半监督跟踪

8.3.4 图的更新

8.3.5 算法步骤

8.4 实验研究

8.4.1 样本集构建方法分析

8.4.2 图的节点数目对算法影响的分析

8.4.3 与其他算法的比较

8.5 小结

参考文献

第9章基于ℓ1图半监督学习的目标跟踪算法

9.1 引言

9.2 背景知识

9.2.1 图的构建方法

9.2.2 ℓ1图的构建

9.3 基于ℓ1图的目标跟踪

9.3.1 特征空间

9.3.2 样本采集

9.3.3 基于ℓ1图的半监督学习

9.3.4 多特征融合与目标定位

9.4 实验研究

9.4.1 与k近邻图的比较

9.4.2 与其他算法的比较

9.5 小结

参考文献

第10章基于多视图半监督协同训练的目标跟踪算法

10.1 引言

10.2 基于多视图半监督协同学习的目标跟踪

10.2.1 算法框架

10.2.2 样本采集

10.2.3 多视图数据集的建立

10.2.4 单视图下分类器的构建

10.2.5 基于负类的多视图协同训练

10.2.6 分类器权重估计与目标定位

10.2.7 图的更新

10.3 实验研究

10.3.1 定量比较

10.3.2 定性比较

10.4 小结

参考文献

第11章基于图的目标跟踪算法在无人机对地（海）面目标视频跟踪中的应用

11.1 引言

11.2 无人机对地（海）面目标视频跟踪的特点

11.3 无人机对地（海）面目标视频跟踪实验

11.3.1 实验数据库

11.3.2 实验结果

11.4 小结

参考文献