多源夜视图像认知计算理论与方法2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载

多源夜视图像认知计算理论与方法PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章 绪论1

1.1 多源夜视图像视觉认知的研究内容2

1.2 夜视图像融合与视觉认知计算3

1.3 仿生视觉认知计算模型方法5

1.3.1 元胞自动机理论7

1.3.2 非经典感受野机制8

1.3.3 视觉稀疏感知特性理论10

1.3.4 视觉注意机制11

1.3.5 what/where视觉感知过程12

1.3.6 视觉层次认知学习过程14

1.4 视觉认知计算的夜视应用16

1.4.1 基于稀疏表示的图像降噪16

1.4.2 基于非经典感受野的轮廓提取18

1.4.3 基于视觉特征的超分辨率重建19

1.4.4 基于视觉注意的显著检测21

1.4.5 基于稀疏分类的目标识别22

1.4.6 基于层次化认知的目标检测定位25

1.5 本书概述26

参考文献27

第2章 夜视图像视觉增强36

2.1 夜视图像特性分析36

2.1.1 微光图像噪声分析36

2.1.2 红外图像特征分析38

2.2 基于局部稀疏结构的降噪增强模型41

2.2.1 局部结构保持稀疏编码41

2.2.2 核化局部结构保持稀疏编码43

2.2.3 编码实现44

2.2.4 局部稀疏结构降噪模型49

2.3 基于分层的红外图像增强模型52

2.3.1 图像结构层54

2.3.2 图像纹理层55

2.3.3 基于结构约束的图像层整合57

2.4 基于元胞自动机的红外图像增强模型57

2.4.1 基于梯度分布的先验知识58

2.4.2 基于梯度分布残差的先验知识59

2.4.3 迭代准则59

2.5 实验结果与分析60

2.5.1 基于局部稀疏结构降噪模型60

2.5.2 基于分层的红外图像增强模型70

2.5.3 基于元胞自动机的红外图像增强模型74

2.6 本章小结77

参考文献77

第3章 夜视图像视觉特征提取81

3.1 活动轮廓模型81

3.1.1 SLGS模型81

3.1.2 LBF模型83

3.2 基于nCRF的夜视图像显著轮廓提取84

3.2.1 基于WKPCA同质度校正nCRF抑制模型的微光图像显著轮廓提取85

3.2.2 基于nCRF复合模型的复杂场景下夜视图像显著轮廓提取98

3.2.3 两种模型对降噪前后微光图像轮廓提取效果比较114

3.3 基于主动轮廓模型的光谱图像分割115

3.3.1 自适应的基于多维特征的主动轮廓模型115

3.3.2 基于空间-光谱信息的主动轮廓分割模型128

3.4 本章小结138

参考文献139

第4章 夜视图像显著检测142

4.1 视觉注意和显著分析142

4.1.1 视觉感知系统142

4.1.2 数据驱动的显著模型144

4.1.3 任务驱动的显著模型144

4.2 基于动态各向异性感受野的显著模型145

4.2.1 离散型C-S模型146

4.2.2 基于离散型C-S的显著检测算法146

4.2.3 实验结果与分析148

4.3 基于纹理显著性的微光图像目标检测149

4.3.1 局部纹理粗糙度149

4.3.2 纹理显著性度量158

4.3.3 实验结果与分析161

4.4 多模型互作用的视觉显著检测164

4.4.1 基于布尔图和前景图的显著模型164

4.4.2 基于图论布尔图的显著模型170

4.4.3 实验结果与分析174

4.5 本章小结187

参考文献187

第5章 非训练夜视目标认知检测190

5.1 非训练夜视目标检测方法190

5.2 基于局部与全局LARK特征的匹配模型的目标检测算法191

5.2.1 LARK算子192

5.2.2 局部LARK特征和全局热扩散结合的红外目标检测模型197

5.2.3 基于LARK特征和布尔图结合的红外目标检测模型201

5.2.4 实验结果与分析203

5.3 基于相似结构统计和近邻结构约束LARK特征的匹配模型215

5.3.1 局部相似结构统计匹配模型215

5.3.2 近邻结构匹配模型221

5.3.3 实验结果分析227

5.4 基于局部稀疏结构匹配模型的夜视目标鲁棒检测234

5.4.1 局部稀疏结构匹配模型234

5.4.2 LSSM模型分析与夜视目标检测效果238

5.5 本章小结248

参考文献248

第6章 时-空-谱夜视目标识别定位251

6.1 WWN模型生物机理251

6.1.1 基于what和where信息的视觉感知模型252

6.1.2 现有WWN模型综述255

6.1.3 WWN模型的延伸256

6.2 3D-LARK特征算子257

6.2.1 基于空间-光谱的3D-LARK257

6.2.2 基于空间-时间的3D-LARK259

6.2.3 其他特征算子与3D-LARK的比较260

6.3 基于金字塔分层模型的多光谱目标识别261

6.3.1 基于3D-LARK和分层模型的多光谱目标检测261

6.3.2 基于局部和近邻结构特征约束的目标检测模型273

6.4 基于空间-时间结构约束的3D-LARK视频动作识别286

6.4.1 邻域高斯结构时空统计匹配286

6.4.2 双层结构融合的运动目标检测模型288

6.4.3 实验测试与参数分析295

6.5 本章小结306

参考文献306

第7章 多源夜视图像融合系统310

7.1 基于改进梯度互信息和粒子群优化算法的双波段图像配准310

7.1.1 改进梯度互信息测度311

7.1.2 改进粒子群优化算法312

7.1.3 算法步骤及结果分析315

7.2 基于灰度空间相关性的融合方法及其评价准则317

7.2.1 基于灰度空间相关性的融合方法317

7.2.2 基于灰度空间相关性的融合效果评价准则323

7.3 基于改进小波的图像融合算法326

7.3.1 基于局部特征残差与统计匹配的图像融合算法327

7.3.2 基于局部梯度相关性与差值统计特征的图像融合算法337

7.4 基于视觉并行处理机制的目标识别彩色夜视融合方法346

7.4.1 感兴趣区域分水岭分割的BP神经网络典型目标识别347

7.4.2 基于视觉并行处理机制的典型目标识别彩色夜视融合357

7.5 多源夜视图像融合系统359

7.6 本章小结370

参考文献370

第8章 窄带光谱成像探测系统375

8.1 窄带光谱成像系统375

8.1.1 组件式窄带光谱系统375

8.1.2 双光路双色散窄带光谱系统379

8.1.3 基于DMD编码的哈达码变换高灵敏成像系统384

8.1.4 基于DMD编码的哈达码变换多光谱成像系统390

8.2 基于SAM加权KEST算法的多光谱夜视目标检测391

8.2.1 EST和KEST算法391

8.2.2 SAM加权KEST算法（SKEST）393

8.2.3 多光谱异常目标检测实验分析397

8.3 基于空间一致性的高光谱分类401

8.3.1 最小关联窗口的高光谱分类401

8.3.2 基于空间一致性降元的高光谱分类407

8.3.3 基于特征光谱段的目标提取算法417

8.4 窄带光谱成像伪装目标探测实验425

8.5 本章小结428

参考文献428

第9章 双目立体夜视系统431

9.1 双目立体夜视系统中的相机标定431

9.1.1 基于透射式标定板的红外相机标定方法431

9.1.2 改进的光轴非平行模型439

9.2 极线校正441

9.2.1 基于粒子群优化算法的极线校正方法442

9.2.2 基于单一变换矩阵的极线校正方法450

9.3 基于遮挡现象以及低纹理区域的立体匹配算法454

9.3.1 基于遮挡现象的立体匹配算法研究454

9.3.2 基于低纹理区域的立体匹配算法研究468

9.4 微光、红外双目立体视觉系统构建与实验472

9.4.1 微光双目立体视觉系统472

9.4.2 红外双目显著目标测距系统477

9.5 本章小结482

参考文献482