智能信息融合与目标识别方法 pdf epub mobi txt 电子书 下载 2024

图书介绍


智能信息融合与目标识别方法

简体网页||繁体网页
胡玉兰,郝博,王东明 著



点击这里下载
    


想要找书就要到 静流书站
立刻按 ctrl+D收藏本页
你会得到大惊喜!!

发表于2024-12-23

类似图书 点击查看全场最低价

出版社: 机械工业出版社
ISBN:9787111593171
版次:1
商品编码:12363770
品牌:机工出版
包装:平装
开本:16开
出版时间:2018-06-01
用纸:轻型纸
页数:195

智能信息融合与目标识别方法 epub 下载 mobi 下载 pdf 下载 txt 电子书 下载 2024

相关图书



智能信息融合与目标识别方法 epub 下载 mobi 下载 pdf 下载 txt 电子书 下载 2024

智能信息融合与目标识别方法 pdf epub mobi txt 电子书 下载



具体描述

编辑推荐

适读人群 :人工智能研究者、图像识别研究者、信息融合技术人员,以及高等院校相关专业师生

人工智能技术重要的落地分支之一,图像识别和目标识别已经作为先头兵开启了各式各样的应用之旅。

从基本的原理出发,对目标识别和图像识别技术进行详述,给出应用实例。

对信息融合技术进行了讨论。

内容简介

《智能信息融合与目标识别方法》研究了信息融合目标识别技术,首先分析了特征级融合目标识别的基本理论,然后研究了多源图像的预处理、结合阈值分割的分水岭算法、结合聚类分割的分水岭算法、目标特征提取方法。对于特征融合方法,研究了基于协方差矩阵多特征信息融合、基于主成分分析的特征融合方法、基于改进免疫遗传的特征融合方法、基于独立分量的特征融合、对典型相关分析特征融合方法的改进。后介绍了基于优化改进的反向传播神经网络目标识别、模糊支持向量机理论与编程、基于模糊支持向量机的识别系统。

目录

前言

第1 章 绪论 1

1. 1 概述 1

1. 2 研究现状 3

第2 章 特征级融合目标识别的基本理论 5

2. 1 信息融合目标识别结构 5

2. 2 特征级融合目标识别系统基本结构 6

2. 3 特征级融合目标识别的关键问题分析 8

  2. 3. 1 特征数据库 8

  2. 3. 2 特征提取 8

  2. 3. 3 特征融合 8

  2. 3. 4 目标识别 10

2. 4 本章小结 11

第3 章 多源图像的预处理 13

3. 1 多源图像的去噪 13

  3. 1. 1 噪声分析 13

  3. 1. 2 常用的图像去噪方法 14

  3. 1. 3 几种较新的去噪方法 15

3. 2 多源图像的平滑 20

  3. 2. 1 均值平滑法 20

  3. 2. 2 邻域平均法 20

  3. 2. 3 加权平均法 21

  3. 2. 4 选择式掩模平滑法 21

3. 3 多源图像的滤波 23

  3. 3. 1 低通滤波 23

  3. 3. 2 高通滤波 24

  3. 3. 3 中值滤波 26

  3. 3. 4 维纳滤波 27

3. 4 本章小结 29

第4 章 结合阈值分割的分水岭算法 30

4. 1 引言 30

4. 2 图像阈值分割概述 30

4. 3 常用的阈值分割方法 31

  4. 3. 1 全局阈值法 31

  4. 3. 2 局部阈值法 36

  4. 3. 3 动态阈值法 36

4. 4 改进的最大类间方差法 36

4. 5 本章小结 43

第5 章 结合聚类分割的分水岭算法 44

5. 1 图像聚类分割概述 44

5. 2 常用的图像聚类分割算法 46

  5. 2. 1 划分聚类算法 46

  5. 2. 2 层次聚类算法 47

  5. 2. 3 基于密度的聚类算法 47

  5. 2. 4 基于模型的聚类算法 48

  5. 2. 5 基于网格的聚类算法 48

5. 3 改进的FCM 聚类分割算法 49

5. 4 本章小结 53

第6 章 目标特征提取方法 54

6. 1 传统的特征提取方法 57

  6. 1. 1 经典的特征提取方法 57

  6. 1. 2 多项式不变矩 59

  6. 1. 3 共生矩阵 67

6. 2 红外和可见光图像特征提取和融合 70

  6. 2. 1 多传感器特征提取 70

  6. 2. 2 目标区域分割和检测 71

  6. 2. 3 特征提取与融合 73

6. 3 本章小结 75

第7 章 基于协方差矩阵多特征信息融合 77

7. 1 图像特征提取 77

  7. 1. 1 多传感器特征提取 77

  7. 1. 2 灰度特征 78

  7. 1. 3 空间信息特征 78

  7. 1. 4 梯度信息特征 79

7. 2 协方差矩阵的构造 80

  7. 2. 1 协方差矩阵与协方差 80

  7. 2. 2 协方差矩阵距离的度量 81

  7. 2. 3 特征协方差 82

7. 3 多特征信息融合 83

7. 4 融合实验结果与分析 83

7. 5 本章小结 85

第8 章 基于主成分分析的特征融合方法 87

8. 1 特征提取 87

  8. 1. 1 灰度共生矩阵 87

  8. 1. 2 Hu 不变矩 88

8. 2 几何特征 90

8. 3 主成分分析的定义 90

  8. 3. 1 主成分分析的基本原理 90

  8. 3. 2 数学模型 91

  8. 3. 3 主成分的推导 93

8. 4 基于主成分分析的图像特征级融合实现 96

  8. 4. 1 目标特征的提取 96

  8. 4. 2 特征融合 96

  8. 4. 3 实验结果与分析 96

8. 5 本章小结 99

第9 章 基于改进免疫遗传的特征融合方法 100

9. 1 遗传算法基础理论 100

  9. 1. 1 遗传算法概述 100

  9. 1. 2 遗传算法流程 101

9. 2 一般的免疫算法基础理论 103

  9. 2. 1 免疫算法概述 104

  9. 2. 2 免疫算法流程 105

  9. 2. 3 一般的免疫遗传算法 105

9. 3 基于改进免疫遗传的图像特征级融合实现 107

  9. 3. 1 改进算法的关键技术 107

  9. 3. 2 基于改进免疫遗传的特征融合原理 108

  9. 3. 3 特征级融合实现 108

  9. 3. 4 实验结果与分析 111

9. 4 本章小结 112

第10 章 基于独立分量的特征融合 113

10. 1 ICA 的定义 113

10. 2 随机变量的独立性概念 114

10. 3 ICA 独立性的度量 115

  10. 3. 1 非高斯性 115

  10. 3. 2 互信息 117

10. 4 快速固定点ICA 算法 117

10. 5 基于ICA 的图像特征级融合实现 119

  10. 5. 1 ICA 的预处理 119

  10. 5. 2 特征融合 120

10. 6 实验结果与分析 121

10. 7 本章小结 125

第11 章 对典型相关分析特征融合方法的改进 126

11. 1 CCA 的基本思想 126

11. 2 CCA 的基本原理 127

  11. 2. 1 CCA 的数学描述 127

  11. 2. 2 典型相关的定义及导出 128

  11. 2. 3 CCA 的基本性质 130

11. 3 典型相关变量和相关系数的求解步骤 132

11. 4 基于CCA 改进算法的图像特征级融合实现 133

  11. 4. 1 改进算法的关键技术 133

  11. 4. 2 特征融合过程 133

11. 5 实验结果与分析 134

11. 6 本章小结 137

第12 章 基于优化改进的反向传播神经网络目标识别 138

12. 1 BP 神经网络 139

  12. 1. 1 BP 网络模型 139

  12. 1. 2 BP 神经网络结构 139

  12. 1. 3 BP 神经网络训练学习 142

  12. 1. 4 BP 神经网络主要特点 144

12. 2 改进的BP 神经网络 145

12. 3 PSO 算法的基本原理和理论基础 145

  12. 3. 1 PSO 算法的基本原理 145

  12. 3. 2 PSO 算法的基本流程 147

12. 4 PSO 优化改进的BP 神经网络 147

  12. 4. 1 PSO 优化问题分析 147

  12. 4. 2 PSO 优化算法流程 149

12. 5 仿真结果分析和识别系统实现 149

  12. 5. 1 仿真结果分析 149

  12. 5. 2 识别系统实现 152

12. 6 本章小结 155

第13 章 模糊支持向量机理论与编程实现 157

13. 1 模糊数学理论 157

  13. 1. 1 模糊数学的发展历程 157

  13. 1. 2 模糊集 158

  13. 1. 3 几种常见的模糊隶属度函数 158

13. 2 支持向量机理论 160

  13. 2. 1 经验风险 160

  13. 2. 2 结构风险最小化 162

  13. 2. 3 最优超平面 164

  13. 2. 4 VC 维数 165

  13. 2. 5 核函数 166

13. 3 模糊支持向量机理论 167

  13. 3. 1 第一种模糊支持向量机 167

  13. 3. 2 第二种模糊支持向量机 168

13. 4 模糊隶属度核函数的选择 170

  13. 4. 1 基于类中心距离的隶属度函数 170

  13. 4. 2 基于S 形函数的隶属度函数 171

  13. 4. 3 基于π 形函数的隶属度函数 171

13. 5 模糊支持向量机算法的编程实现 172

13. 6 本章小结 174

第14 章 基于模糊支持向量机的识别系统实现 175

14. 1 模糊支持向量机识别系统的架构 175

14. 2 图像预处理部分的实现 176

  14. 2. 1 文件的打开与显示 177

  14. 2. 2 预处理模块图像增强的执行 178

  14. 2. 3 预处理模块图像分割的执行 178

14. 3 特征提取部分的实现 179

  14. 3. 1 文件的打开与显示 179

  14. 3. 2 传感器类型的选择 179

  14. 3. 3 计算相应的特征值 180

  14. 3. 4 特征值的存储 181

14. 4 目标特征数据库系统的技术实现 181

  14. 4. 1 特征数据库管理系统的构建 181

  14. 4. 2 目标动态特征库管理技术 182

  14. 4. 3 目标特征数据库建立 184

  14. 4. 4 数据库管理系统编程实现 185

14. 5 模型训练部分 188

14. 6 目标识别部分 189

  14. 6. 1 目标识别模块工作流程与结果显示 189

  14. 6. 2 目标识别结果分析与对比 189

14. 7 本章小结 192

参考文献 193


前言/序言

  随着科学技术的发展.信息化已经在各个领域中得到了重视和发展.特别是在军事方面的应用.如何获得有效信息是现代化战争的一个关键点.各个国家都投入了很大的人力和物力.用以实现对目标的全天候、全方位、多角度的有效识别与追踪.单一传感器的工作环境正变得日益复杂.如遇到移动、遮挡、缩放和旋转的目标时.需要通过利用多传感器来同时获取目标多方位特征.对其进行有效的融合分析.从而能够实现对目标的识别.
  目前.多传感器信息融合大多被应用在模式识别、目标跟踪等方面.同时在交通、网络安全、工业、军事和生物医学等领域也有着非常好的应用前景.在传统的目标识别系统中.由于技术局限、环境复杂度不高和工作要求低.一般都以单一传感器来获取数据.所以获得目标或场景的信息一般都是片面的.并且受一定的光线和环境影响导致了精确度低.
  为此人们提出了基于多传感器多特征的目标识别方法.本书研究了信息融合目标识别技术.首先分析了特征级融合目标识别的基本理论.然后研究了多源图像的预处理、结合阈值分割的分水岭算法、结合聚类分割的分水岭算法、目标特征提取方法.对于特征融合方法.研究了基于协方差矩阵多特征信息融合、基于主成分分析的特征融合方法、基于改进免疫遗传的特征融合方法、基于独立分量的特征融合、对典型相关分析特征融合方法的改进.最后介绍了基于优化改进的反向传播神经网络目标识别、模糊支持向量机理论与编程实现、基于模糊支持向量机的识别系统实现.
  本书由胡玉兰、郝博、王东明、郝伟光、秦丽娟、胡南南、李芳着.本书的研究工作得到了国家自然科学基金面上项目(项目号:61373089)的资助.作者在此表示诚挚的感谢.同时感谢机械工业出版社参加本书出版工作的同志们的大力支持与帮助.
  信息融合目标识别技术目前仍处于不断发展的阶段.许多理论和算法还不够完善.加之作者水平所限.书中难免有疏漏之处.恳请广大读者批评指正。
  作者


智能信息融合与目标识别方法 电子书 下载 mobi epub pdf txt

智能信息融合与目标识别方法 pdf epub mobi txt 电子书 下载
想要找书就要到 静流书站
立刻按 ctrl+D收藏本页
你会得到大惊喜!!

用户评价

评分

评分

评分

评分

评分

评分

评分

评分

评分

类似图书 点击查看全场最低价

智能信息融合与目标识别方法 pdf epub mobi txt 电子书 下载


分享链接


去京东购买 去京东购买
去淘宝购买 去淘宝购买
去当当购买 去当当购买
去拼多多购买 去拼多多购买


智能信息融合与目标识别方法 bar code 下载
扫码下载










相关图书




本站所有内容均为互联网搜索引擎提供的公开搜索信息,本站不存储任何数据与内容,任何内容与数据均与本站无关,如有需要请联系相关搜索引擎包括但不限于百度google,bing,sogou

友情链接

© 2024 windowsfront.com All Rights Reserved. 静流书站 版权所有