●叢書前言一
叢書前言二
前言
1 緒論
1.1 聲吶圖像讀取
1.1.1 Didson 前視聲吶
1.1.2 BlueView 前視聲吶
1.1.3 側掃聲吶圖像
1.2 側掃聲吶圖像校正
1.2.1 DVL 的記錄格式
1.2.2 從相對坐標繫到絕對坐標繫的映射
1.3 水下聲吶圖像處理研究現狀
1.3.1 圖像分割
1.3.2 目標識別
1.4 本書的主要工作
參考文獻
2 基於 MRF 模型的聲吶圖像分割（I）：先驗參數估計
2.1 判別式和生成式
2.2 Markov 隨機場
2.2.1 優選後驗概率
2.2.2 類條件分布
2.2.3 先驗分布
2.2.4 參數估計
2.3 條件參數估計
2.4 先驗參數估計
2.4.1 偽似然估計
2.4.2 基於 Coding 的偽似然估計
2.4.3 均值場逼近
2.4.4 MCMC：均勻采樣
2.4.5 MCMCML：重要性采樣
2.4.6 無似然算法
2.4.7 最小二乘法
2.5 基於局部中心編碼的先驗參數估計
2.5.1 Ising 場
2.5.2 Potts 場
2.5.3 統一的 LAE 算法
2.6 實驗準備
2.6.1 評價指標：Cramer-Rao 界
2.6.2 Onsager 的解析解
2.6.3 紋理圖像生成
2.7 實驗結果
2.7.1 收斂速度（各向同）
2.7.2 Cramer-Rao 界（各向同）
2.7.3 各向異時的先驗參數估計
2.7.4 聲吶圖像分割
2.8 小結
參考文獻
3 基於 MRF 模型的聲吶圖像分割（II）：Markov 鏈的初始化
3.1 標簽場初始化
3.2 基於 SAE 的標簽場初始化
3.2.1 autoencoder
3.2.2 SAE 網絡
3.2.3 SAE 網絡的學習算法
3.2.4 選擇性激活函數
3.3 實驗
3.3.1 標簽場初始化
3.3.2 圖像分割
3.4 小結
參考文獻
4 基於 Graded-MRF 的聲吶圖像分割
4.1 回顧：離散形式的 MRF 算法
4.2 EMMF（I）：從 EM 說起
4.2.1 Gibbs 分布的向量形式
4.2.2 MRF 的一般形式
4.2.3 用 EM 估計參數並不可行
4.2.4 均值場近似計算原理
4.2.5 均值 hzsi 依然無法求解
4.3 EMMF（II）：算法推導
4.3.1 Markov 鏈更新
4.3.2 Maximization：計算 P（zs丨X，Ψ（t））
4.3.3 Expectation（I）：利用似然學習Θ
4.3.4 Expectation（II）：利用似然學習β
4.3.5 EMMF 算法
4.4 Graded-MRF
4.4.1 熱浴動力
4.4.2 Potts 繫統的平衡態
4.4.3 （內場）參數估計
4.4.4 （外場）類條件參數估計
4.4.5 Graded-MRF 算法
4.4.6 另一個視角：用 Bayes 推斷思考先驗參數估計
4.5 實驗
4.5.1 前視聲吶圖像
4.5.2 側掃聲吶圖像
4.6 小結
參考文獻
5 基於 CRF 的前視聲吶目標識別
5.1 從 MRF 到 CRF
5.1.1 基於塊的 MRF 模型
5.1.2 CRF
5.1.3 交互函數
5.2 似然優選
5.2.1 似然函數
5.2.2 梯度
5.2.3 鞍點近似
5.2.4 利用 LBP 計算 MAP
5.2.5 理解 LBP 的傳播過程
5.3 預處理：去除虛景噪聲
5.3.1 坐標轉換
5.3.2 虛景檢測
5.3.3 基於 MRF 的圖像復原
5.4 特征提取
5.4.1 紋理特征
5.4.2 形狀特征
5.5 實驗（I）：直角坐標繫
5.5.1 CRF 訓練
5.5.2 識別結果
5.6 實驗（II）：極坐標繫
5.6.1 極坐標繫中的特征提取
5.6.2 識別結果
5.7 討論
5.7.1 相鄰圖像塊之間交互
5.7.2 進行特征提取的原因
5.8 小結
參考文獻
6 二維前視聲吶圖像配準：外周互信息優選化
6.1 二維前視聲吶圖像配準
6.1.1 圖像配準
6.1.2 前視聲吶圖像配準算法分類
6.2 互信息優選化
6.2.1 互信息
6.2.2 研究現狀
6.2.3 區域互信息
6.3 外周互信息
6.3.1 正態分布假設
6.3.2 獨立假設
6.4 實驗
6.4.1 鄰域的大小
6.4.2 估計已知變換參數的聲吶圖像對
6.4.3 聲吶圖像配準（I）：管線埋設數據集
6.4.4 聲吶圖像配準（II）：非結構化環境
6.5 小結
參考文獻
附錄A 利用LAE算法估計Kanter的Potts模型
參考文獻
附錄B 利用LAE算法估計Descombes的Potts模型
參考文獻
索引
彩圖

本書利用Markov隨機場理論對水下聲吶圖像處理所涉及的圖像分割、圖像識別和圖像配準等問題進行繫統的研究全書首先從傳感器數據采集的角度對聲吶圖像進行簡潔直觀的介紹。接著以聲吶圖像分割為應用背景對Markov隨機場、條件隨機場、均值場以及它們之間的關繫進行全面深入的推導和闡述。最後將隨機場理論引入互信息，介紹一種基於外周互信息的前視聲吶圖像配準方法。水下環境的特殊性造成了感知數據的特異性。本書注意到了將通用的隨機場理論引入實際水下聲吶圖像處理領域所帶來的適應性問題，對此進行了深入的分析並提出相應的解決方案。 本書可作為水下機器人、智能無人繫統開發和水下聲吶圖像處理相關專業的高年級本科生或研究生的參考書，也可作為工程技術人員的參考手冊。