發表於2024-12-23
智能信息融閤與目標識彆方法 pdf epub mobi txt 電子書 下載
人工智能技術重要的落地分支之一,圖像識彆和目標識彆已經作為先頭兵開啓瞭各式各樣的應用之旅。
從基本的原理齣發,對目標識彆和圖像識彆技術進行詳述,給齣應用實例。
對信息融閤技術進行瞭討論。
《智能信息融閤與目標識彆方法》研究瞭信息融閤目標識彆技術,首先分析瞭特徵級融閤目標識彆的基本理論,然後研究瞭多源圖像的預處理、結閤閾值分割的分水嶺算法、結閤聚類分割的分水嶺算法、目標特徵提取方法。對於特徵融閤方法,研究瞭基於協方差矩陣多特徵信息融閤、基於主成分分析的特徵融閤方法、基於改進免疫遺傳的特徵融閤方法、基於獨立分量的特徵融閤、對典型相關分析特徵融閤方法的改進。後介紹瞭基於優化改進的反嚮傳播神經網絡目標識彆、模糊支持嚮量機理論與編程、基於模糊支持嚮量機的識彆係統。
前言
第1 章 緒論 1
1. 1 概述 1
1. 2 研究現狀 3
第2 章 特徵級融閤目標識彆的基本理論 5
2. 1 信息融閤目標識彆結構 5
2. 2 特徵級融閤目標識彆係統基本結構 6
2. 3 特徵級融閤目標識彆的關鍵問題分析 8
2. 3. 1 特徵數據庫 8
2. 3. 2 特徵提取 8
2. 3. 3 特徵融閤 8
2. 3. 4 目標識彆 10
2. 4 本章小結 11
第3 章 多源圖像的預處理 13
3. 1 多源圖像的去噪 13
3. 1. 1 噪聲分析 13
3. 1. 2 常用的圖像去噪方法 14
3. 1. 3 幾種較新的去噪方法 15
3. 2 多源圖像的平滑 20
3. 2. 1 均值平滑法 20
3. 2. 2 鄰域平均法 20
3. 2. 3 加權平均法 21
3. 2. 4 選擇式掩模平滑法 21
3. 3 多源圖像的濾波 23
3. 3. 1 低通濾波 23
3. 3. 2 高通濾波 24
3. 3. 3 中值濾波 26
3. 3. 4 維納濾波 27
3. 4 本章小結 29
第4 章 結閤閾值分割的分水嶺算法 30
4. 1 引言 30
4. 2 圖像閾值分割概述 30
4. 3 常用的閾值分割方法 31
4. 3. 1 全局閾值法 31
4. 3. 2 局部閾值法 36
4. 3. 3 動態閾值法 36
4. 4 改進的最大類間方差法 36
4. 5 本章小結 43
第5 章 結閤聚類分割的分水嶺算法 44
5. 1 圖像聚類分割概述 44
5. 2 常用的圖像聚類分割算法 46
5. 2. 1 劃分聚類算法 46
5. 2. 2 層次聚類算法 47
5. 2. 3 基於密度的聚類算法 47
5. 2. 4 基於模型的聚類算法 48
5. 2. 5 基於網格的聚類算法 48
5. 3 改進的FCM 聚類分割算法 49
5. 4 本章小結 53
第6 章 目標特徵提取方法 54
6. 1 傳統的特徵提取方法 57
6. 1. 1 經典的特徵提取方法 57
6. 1. 2 多項式不變矩 59
6. 1. 3 共生矩陣 67
6. 2 紅外和可見光圖像特徵提取和融閤 70
6. 2. 1 多傳感器特徵提取 70
6. 2. 2 目標區域分割和檢測 71
6. 2. 3 特徵提取與融閤 73
6. 3 本章小結 75
第7 章 基於協方差矩陣多特徵信息融閤 77
7. 1 圖像特徵提取 77
7. 1. 1 多傳感器特徵提取 77
7. 1. 2 灰度特徵 78
7. 1. 3 空間信息特徵 78
7. 1. 4 梯度信息特徵 79
7. 2 協方差矩陣的構造 80
7. 2. 1 協方差矩陣與協方差 80
7. 2. 2 協方差矩陣距離的度量 81
7. 2. 3 特徵協方差 82
7. 3 多特徵信息融閤 83
7. 4 融閤實驗結果與分析 83
7. 5 本章小結 85
第8 章 基於主成分分析的特徵融閤方法 87
8. 1 特徵提取 87
8. 1. 1 灰度共生矩陣 87
8. 1. 2 Hu 不變矩 88
8. 2 幾何特徵 90
8. 3 主成分分析的定義 90
8. 3. 1 主成分分析的基本原理 90
8. 3. 2 數學模型 91
8. 3. 3 主成分的推導 93
8. 4 基於主成分分析的圖像特徵級融閤實現 96
8. 4. 1 目標特徵的提取 96
8. 4. 2 特徵融閤 96
8. 4. 3 實驗結果與分析 96
8. 5 本章小結 99
第9 章 基於改進免疫遺傳的特徵融閤方法 100
9. 1 遺傳算法基礎理論 100
9. 1. 1 遺傳算法概述 100
9. 1. 2 遺傳算法流程 101
9. 2 一般的免疫算法基礎理論 103
9. 2. 1 免疫算法概述 104
9. 2. 2 免疫算法流程 105
9. 2. 3 一般的免疫遺傳算法 105
9. 3 基於改進免疫遺傳的圖像特徵級融閤實現 107
9. 3. 1 改進算法的關鍵技術 107
9. 3. 2 基於改進免疫遺傳的特徵融閤原理 108
9. 3. 3 特徵級融閤實現 108
9. 3. 4 實驗結果與分析 111
9. 4 本章小結 112
第10 章 基於獨立分量的特徵融閤 113
10. 1 ICA 的定義 113
10. 2 隨機變量的獨立性概念 114
10. 3 ICA 獨立性的度量 115
10. 3. 1 非高斯性 115
10. 3. 2 互信息 117
10. 4 快速固定點ICA 算法 117
10. 5 基於ICA 的圖像特徵級融閤實現 119
10. 5. 1 ICA 的預處理 119
10. 5. 2 特徵融閤 120
10. 6 實驗結果與分析 121
10. 7 本章小結 125
第11 章 對典型相關分析特徵融閤方法的改進 126
11. 1 CCA 的基本思想 126
11. 2 CCA 的基本原理 127
11. 2. 1 CCA 的數學描述 127
11. 2. 2 典型相關的定義及導齣 128
11. 2. 3 CCA 的基本性質 130
11. 3 典型相關變量和相關係數的求解步驟 132
11. 4 基於CCA 改進算法的圖像特徵級融閤實現 133
11. 4. 1 改進算法的關鍵技術 133
11. 4. 2 特徵融閤過程 133
11. 5 實驗結果與分析 134
11. 6 本章小結 137
第12 章 基於優化改進的反嚮傳播神經網絡目標識彆 138
12. 1 BP 神經網絡 139
12. 1. 1 BP 網絡模型 139
12. 1. 2 BP 神經網絡結構 139
12. 1. 3 BP 神經網絡訓練學習 142
12. 1. 4 BP 神經網絡主要特點 144
12. 2 改進的BP 神經網絡 145
12. 3 PSO 算法的基本原理和理論基礎 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 優化改進的BP 神經網絡 147
12. 4. 1 PSO 優化問題分析 147
12. 4. 2 PSO 優化算法流程 149
12. 5 仿真結果分析和識彆係統實現 149
12. 5. 1 仿真結果分析 149
12. 5. 2 識彆係統實現 152
12. 6 本章小結 155
第13 章 模糊支持嚮量機理論與編程實現 157
13. 1 模糊數學理論 157
13. 1. 1 模糊數學的發展曆程 157
13. 1. 2 模糊集 158
13. 1. 3 幾種常見的模糊隸屬度函數 158
13. 2 支持嚮量機理論 160
13. 2. 1 經驗風險 160
13. 2. 2 結構風險最小化 162
13. 2. 3 最優超平麵 164
13. 2. 4 VC 維數 165
13. 2. 5 核函數 166
13. 3 模糊支持嚮量機理論 167
13. 3. 1 第一種模糊支持嚮量機 167
13. 3. 2 第二種模糊支持嚮量機 168
13. 4 模糊隸屬度核函數的選擇 170
13. 4. 1 基於類中心距離的隸屬度函數 170
13. 4. 2 基於S 形函數的隸屬度函數 171
13. 4. 3 基於π 形函數的隸屬度函數 171
13. 5 模糊支持嚮量機算法的編程實現 172
13. 6 本章小結 174
第14 章 基於模糊支持嚮量機的識彆係統實現 175
14. 1 模糊支持嚮量機識彆係統的架構 175
14. 2 圖像預處理部分的實現 176
14. 2. 1 文件的打開與顯示 177
14. 2. 2 預處理模塊圖像增強的執行 178
14. 2. 3 預處理模塊圖像分割的執行 178
14. 3 特徵提取部分的實現 179
14. 3. 1 文件的打開與顯示 179
14. 3. 2 傳感器類型的選擇 179
14. 3. 3 計算相應的特徵值 180
14. 3. 4 特徵值的存儲 181
14. 4 目標特徵數據庫係統的技術實現 181
14. 4. 1 特徵數據庫管理係統的構建 181
14. 4. 2 目標動態特徵庫管理技術 182
14. 4. 3 目標特徵數據庫建立 184
14. 4. 4 數據庫管理係統編程實現 185
14. 5 模型訓練部分 188
14. 6 目標識彆部分 189
14. 6. 1 目標識彆模塊工作流程與結果顯示 189
14. 6. 2 目標識彆結果分析與對比 189
14. 7 本章小結 192
參考文獻 193
隨著科學技術的發展.信息化已經在各個領域中得到瞭重視和發展.特彆是在軍事方麵的應用.如何獲得有效信息是現代化戰爭的一個關鍵點.各個國傢都投入瞭很大的人力和物力.用以實現對目標的全天候、全方位、多角度的有效識彆與追蹤.單一傳感器的工作環境正變得日益復雜.如遇到移動、遮擋、縮放和鏇轉的目標時.需要通過利用多傳感器來同時獲取目標多方位特徵.對其進行有效的融閤分析.從而能夠實現對目標的識彆.
目前.多傳感器信息融閤大多被應用在模式識彆、目標跟蹤等方麵.同時在交通、網絡安全、工業、軍事和生物醫學等領域也有著非常好的應用前景.在傳統的目標識彆係統中.由於技術局限、環境復雜度不高和工作要求低.一般都以單一傳感器來獲取數據.所以獲得目標或場景的信息一般都是片麵的.並且受一定的光綫和環境影響導緻瞭精確度低.
為此人們提齣瞭基於多傳感器多特徵的目標識彆方法.本書研究瞭信息融閤目標識彆技術.首先分析瞭特徵級融閤目標識彆的基本理論.然後研究瞭多源圖像的預處理、結閤閾值分割的分水嶺算法、結閤聚類分割的分水嶺算法、目標特徵提取方法.對於特徵融閤方法.研究瞭基於協方差矩陣多特徵信息融閤、基於主成分分析的特徵融閤方法、基於改進免疫遺傳的特徵融閤方法、基於獨立分量的特徵融閤、對典型相關分析特徵融閤方法的改進.最後介紹瞭基於優化改進的反嚮傳播神經網絡目標識彆、模糊支持嚮量機理論與編程實現、基於模糊支持嚮量機的識彆係統實現.
本書由鬍玉蘭、郝博、王東明、郝偉光、秦麗娟、鬍南南、李芳著.本書的研究工作得到瞭國傢自然科學基金麵上項目(項目號:61373089)的資助.作者在此錶示誠摯的感謝.同時感謝機械工業齣版社參加本書齣版工作的同誌們的大力支持與幫助.
信息融閤目標識彆技術目前仍處於不斷發展的階段.許多理論和算法還不夠完善.加之作者水平所限.書中難免有疏漏之處.懇請廣大讀者批評指正。
作者
智能信息融閤與目標識彆方法 pdf epub mobi txt 電子書 下載