●前言
圖像融合篇
第1章圖像融合概述3
1.1圖像融合簡介3
1.2紅外與可見光圖像配準及融合研究現狀4
1.2.1圖像配準技術研究現狀4
1.2.2圖像融合技術研究現狀5
1.3成像特性分析6
1.3.1紅外成像特性6
1.3.2可見光成像特性7
1.3.3紅外與可見光圖像特性對比7
1.4圖像配準基本理論8
1.4.1空間變換模型8
1.4.2圖像配準方法10
1.4.3配準效果評價標準12
1.5圖像融合基本理論13
1.5.1圖像融合層次劃分13
1.5.2圖像融合方法14
1.5.3融合效果評價標準20
1.6本篇主要研究內容23
第2章基於形態學邊緣檢測與改進ORB的圖像配準25
2.1引言25
2.2算法框架26
2.2.1形態學邊緣檢測26
2.2.2改進的ORB算法28
2.2.3特征點提取、描述與匹配28
2.3基於GMS與PROSAC的雙重誤匹配剔除31
2.3.1基於GMS的誤匹配剔除31
2.3.2基於PROSAC的二次誤匹配剔除33
2.4仿真實驗與結果分析33
2.4.1實驗仿真結果33
2.4.2配準結果分析36
2.5本章小結37
第3章基於NSDTCT與自適應分塊的圖像融合38
3.1引言38
3.2相關理論39
3.2.1NSDTCT39
3.2.2果蠅優化算法40
3.3融合步驟與策略41
3.3.1融合方案41
3.3.2基於FOA算法優化的自適應分塊42
3.3.3標簽圖的產生過程44
3.3.4高頻分量融合策略46
3.4仿真實驗與結果分析47
3.4.1實驗參數設置47
3.4.2仿真結果分析48
3.5本章小結52
第4章基於IHS變換與目標增強的圖像融合53
4.1引言53
4.2融合步驟54
4.2.1融合方案54
4.2.2IHS色彩空間變換54
4.2.3基於RPCA的目標增強55
4.3仿真實驗與結果分析57
4.3.1仿真條件57
4.3.2實驗結果及分析57
4.4本章小結59
本篇小結60
目標識別篇
第5章SAR圖像自動目標識別概述63
5.1SAR圖像自動目標識別簡介63
5.2SAR圖像自動目標識別研究現狀64
5.2.1目標檢測64
5.2.2目標鋻別65
5.2.3目標識別66
5.3本篇主要研究內容67
第6章基於自適應篩選快速CFAR算法的目標檢測69
6.1引言69
6.2雙參數CFAR算法在多目標環境下的性能研究69
6.2.1雙參數CFAR算法69
6.2.2參考窗內包含目標像素的影響理論推導71
6.2.3參考窗內包含目標像素的影響仿真研究71
6.3自適應篩選快速CFAR算法流程73
6.3.1參考窗口像素的自適應篩選73
6.3.2自適應篩選仿真實驗75
6.3.3區域閾值的可行性分析77
6.4實驗驗證78
6.4.1實驗設置78
6.4.2實驗結果及分析78
6.5本章小結80
第7章基於Krawtchouk矩特征的目標鋻別81
7.1引言81
7.2SAR圖像的Krawtchouk矩特征提取81
7.2.1Krawtchouk矩81
7.2.2基於優選信息繫數的特征選擇82
7.3代價敏感神經網絡分類器設計83
7.3.1多隱層神經網絡83
7.3.2非均等代價函數84
7.4實驗驗證84
7.4.1實驗設置84
7.4.2評價指標85
7.4.3實驗結果及分析86
7.5本章小結90
第8章基於卷積神經網絡和深度學習的目標識別91
8.1引言91
8.2卷積神經網絡目標識別流程91
8.3改進的特征提取網絡結構92
8.3.1特征提取網絡的結構92
8.3.2卷積神經網絡對噪聲的抑制93
8.4優化的Softmax分類器94
8.4.1正則化項94
8.4.2dropout原理95
8.5卷積神經網絡目標識別實驗驗證96
8.5.1實驗設置96
8.5.2實驗結果及分析98
8.6基於深度學習的目標檢測框架101
8.6.1Faster-RCNN目標檢測框架101
8.6.2SSD目標檢測框架102
8.7針對SAR圖像的檢測框架研究103
8.7.1預訓練模型103
8.7.2零均值規整化103
8.8深度學習目標檢測實驗驗證104
8.8.1實驗設置104
8.8.2實驗結果及分析105
8.9本章小結109
本篇小結110
目標跟蹤篇
第9章目標跟蹤概述113
9.1目標跟蹤簡介113
9.2目標跟蹤研究現狀114
9.2.1生成式跟蹤方法114
9.2.2判別式跟蹤方法118
9.3本篇主要研究內容121
第10章相關濾波目標跟蹤基礎理論123
10.1引言123
10.2背景感知相關濾波目標跟蹤方法123
10.2.1標準相關濾波目標跟蹤方法123
10.2.2背景感知相關濾波器124
10.2.3尺度估計126
10.3進一步改進優化方向127
10.4實驗數據與評價指標128
10.4.1數據集128
10.4.2評價指標130
10.5本章小結132
第11章時空感知相關濾波器133
11.1引言133
11.2時空感知相關濾波器模板訓練133
11.3時空感知相關濾波器方法步驟136
11.4時空感知相關濾波器實驗與分析137
11.4.1對比實驗設置137
11.4.2數據集137
11.4.3實驗具體參數設置138
11.4.4實驗結果及分析138
11.5特征選擇146
11.5.1人工特征146
11.5.2深度特征148
11.5.3自適應特征選擇149
11.6自適應特征選擇實驗與分析151
11.6.1對比實驗設置151
11.6.2測試數據集151
11.6.3實驗具體參數設置151
11.6.4實驗結果及分析151
11.7本章小結155
第12章長時目標跟蹤157
12.1引言157
12.2EdgeBoxes候選區域提取158
12.3結構化支持向量機160
12.4自適應目標重檢測161
12.5自適應目標重檢測方法步驟162
12.6自適應目標重檢測實驗與分析163
12.6.1對比實驗設置163
12.6.2數據集164
12.6.3實驗具體參數設置164
12.6.4實驗分析164
12.7長時目標跟蹤框架及目標尺度估計166
12.8長時目標跟蹤方法步驟167
12.9長時目標跟蹤實驗與分析168
12.9.1實驗數據168
12.9.2對比實驗設置168
12.9.3實驗設置169
12.9.4定量分析169
12.9.5定性分析189
12.10本章小結192
本篇小結194
參考文獻195
彩圖

本書介紹了無人機偵察情報處理的三部分內容，分別為圖像融合、目標識別以及目標跟蹤。圖像融合介紹了紅外和可見光的快速配準技術、結合變換域與空間域的灰度級融合技術和基於HS變換與目標增強的彩色級融合技術。對於SAR圖像的白動日標識別，說明了基於白適應篩選快速CFAR算法的目標檢測、基於Krawtchouk矩特征的目標鋻別以及某於卷積神經網絡和深度學習的目標識別。針對長時目標跟蹤，闡述了基於相關濾波的自適應特征融合與目標重檢測技術。本書可供航空航天領域從事情報處理工作的科研人員閱讀，也可作為高等院校圖像處理相關專業教師和研究生的參考書。