幫助中心 | 我的帳號 | 關於我們
進階搜尋
car

同類熱銷排行榜

最近瀏覽的商品

遠距複雜背景紅外暗弱小目標檢測技術(精)

  • 作者：李少毅//楊曦//鈕賽賽//張雅淇//李雨松等|責編:王傑瓊
  • 出版社：中國宇航
  • ISBN：9787515923468
  • 出版日期：2024/01/01
  • 裝幀：精裝
  • 頁數：338
人民幣：RMB 129 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    本書共8章，詳細介紹了紅外小目標檢測技術概述、紅外暗弱小目標探測理論基礎、低信雜比環境紅外弱小目標檢測技術、強反射環境紅外暗弱小目標檢測技術、強雜波環境紅外弱小目標檢測技術、複雜背景紅外弱小目標智能檢測技術、弱小目標紅外雙波段圖像融合檢測技術、紅外與可見光圖像融合弱小目標檢測技術等內容。全書力求內容覆蓋全面，融入了紅外弱小目標檢測方面的最新成果，以使讀者全面系統地了解機載、艦載、彈載和車載等紅外成像搜索與跟蹤系統遠距複雜背景目標截獲中的關鍵難點、核心技術和設計方法等。
    本書可供從事機載、艦載、彈載和車載等紅外成像搜索與跟蹤系統的圖像處理專業的設計人員使用，也可供其他相關專業科研人員和高等院校師生參考。
作者介紹
李少毅//楊曦//鈕賽賽//張雅淇//李雨松等|責編:王傑瓊
目錄
第1章  紅外小目標檢測技術概述
  1.1  紅外成像探測技術發展概況
    1.1.1  紅外成像探測基本原理
    1.1.2  紅外成像探測技術發展現狀
    1.1.3  紅外成像探測技術應用概況
  1.2  典型紅外成像探測系統介紹
    1.2.1  紅外成像導引系統
    1.2.2  紅外搜索與跟蹤系統
    1.2.3  紅外告警系統
    1.2.4  紅外小目標探測性能指標
  1.3  紅外小目標檢測技術發展概況
    1.3.1  小目標檢測問題描述
    1.3.2  小目標檢測技術研究現狀
    1.3.3  本書主要內容
  本章小結
第2章  紅外暗弱小目標探測理論基礎
  2.1  紅外暗弱小目標與背景特性
    2.1.1  紅外圖像的特性
    2.1.2  暗弱小目標紅外特性
    2.1.3  背景紅外特性
  2.2  常用暗弱小目標檢測方法
    2.2.1  空域處理方法
    2.2.2  變換域處理方法
    2.2.3  時域處理方法
    2.2.4  深度學習方法
  2.3  暗弱小目標檢測性能指標
    2.3.1  目標信號質量指標
    2.3.2  圖像信號質量指標
    2.3.3  檢測演算法性能指標
  本章小結
第3章  低信雜比環境紅外弱小目標檢測技術
  3.1  基於空域顯著性的弱小目標檢測
    3.1.1  空域顯著特性
    3.1.2  空域濾波方法
    3.1.3  空域顯著圖計算和顯著度分割
    3.1.4  弱小目標檢測演算法
  3.2  基於頻域顯著性的弱小目標檢測
    3.2.1  頻域顯著特性
    3.2.2  頻域濾波方法
    3.2.3  頻域顯著圖計算
    3.2.4  頻譜殘差計算
    3.2.5  弱小目標檢測演算法
  3.3  基於時-空-頻域顯著性的弱小目標檢測
    3.3.1  時域能量累積
    3.3.2  時域管道濾波
    3.3.3  時域動態規劃
    3.3.4  弱小目標檢測演算法
  本章小結
第4章  強反射環境紅外暗弱小目標檢測技術
  4.1  暗目標檢測方法

    4.1.1  局部能量因子
    4.1.2  MLCM-LEF暗目標檢測演算法
    4.1.3  MPCM-LEF暗目標檢測演算法
  4.2  空域先驗信息背景抑制方法
    4.2.1  背景與暗目標灰度直方圖分析
    4.2.2  背景與暗目標灰度概率分佈模型
    4.2.3  背景抑制方法
  4.3  融合背景先驗的時空顯著性暗目標檢測
    4.3.1  演算法原理
    4.3.2  演算法流程
    4.3.3  示例
  本章小結
第5章  強雜波環境紅外弱小目標檢測技術
  5.1  自適應圖像分割
    5.1.1  場景區域分類
    5.1.2  自適應閾值分割
  5.2  背景抑制方法
    5.2.1  背景特徵分析
    5.2.2  基於梯度特徵的背景抑制方法
  5.3  基於位置-灰度-面積關聯的動態管道濾波
    5.3.1  背景時空波動特徵分析
    5.3.2  基於位置-灰度-面積關聯的動態管道濾波原理
  5.4  自適應紅外小目標檢測
    5.4.1  演算法原理
    5.4.2  演算法流程
    5.4.3  示例
  本章小結
第6章  複雜背景紅外弱小目標智能檢測技術
  6.1  卷積神經網路小目標檢測
    6.1.1  通用檢測網路
    6.1.2  小目標檢測網路設計
    6.1.3  示例
  6.2  基於深度學習的分割演算法
    6.2.1  通用分割網路
    6.2.2  小目標分割網路設計
    6.2.3  示例
  6.3  三維卷積神經網路小目標檢測
    6.3.1  通用檢測網路
    6.3.2  小目標檢測網路設計
    6.3.3  示例
  6.4  融合時序信息的小目標智能檢測
    6.4.1  基於時空信息關聯演算法
    6.4.2  基於融合注意力機制的時空神經網路演算法原理
    6.4.3  示例
  本章小結
第7章  弱小目標紅外雙波段圖像融合檢測技術
  7.1  目標與背景雙波段特性分析
    7.1.1  目標雙波段特性
    7.1.2  背景雙波段特性
    7.1.3  融合圖像特性

  7.2  雙波段圖像傳統融合方法
    7.2.1  基於空間域的圖像融合方法
    7.2.2  基於變換域的圖像融合方法
  7.3  雙波段圖像深度學習融合方法
    7.3.1  DenseFuse圖像融合演算法
    7.3.2  DRF圖像融合演算法
    7.3.3  RFN-Nest圖像融合演算法
    7.3.4  基於生成對抗網路的圖像融合演算法
    7.3.5  基於VGGl9網路圖像融合演算法
  7.4  雙波段圖像傳統一深度學習融合方法
    7.4.1  參數智能學習的紅外雙波段圖像像素級融合方法
    7.4.2  參數智能學習的紅外雙波段圖像特徵級融合方法
    7.4.3  雙波段圖像融合評價指標
    7.4.4  示例
  7.5  弱小目標雙波段檢測
    7.5.1  融合檢測原理
    7.5.2  演算法流程
    7.5.3  示例
  本章小結
第8章  紅外與可見光圖像融合弱小目標檢測技術
  8.1  紅外與可見光融合理論基礎
    8.1.1  圖像預處理
    8.1.2  紅外與可見光圖像融合基本方法
    8.1.3  紅外與可見光圖像融合評價標準
  8.2  基於邊緣特徵和互信息的紅外與可見光圖像配准
    8.2.1  邊緣檢測
    8.2.2  邊緣檢測結合互信息的圖像配准
    8.2.3  示例
  8.3  基於NSST-PCNN的紅外與可見光圖像融合方法
    8.3.1  非下採樣剪切波變換
    8.3.2  脈衝耦合神經網路
    8.3.3  NSST-PCNN圖像融合演算法
    8.3.4  示例
  本章小結
參考文獻

  • 商品搜索：
  • | 高級搜索
首頁│ 新手上路│ 客服中心│ 關於我們│ 聯絡我們│ Top↑│
Copyrightc 1999~2008 美商天龍國際圖書股份有限公司 臺灣分公司. All rights reserved.
營業地址:臺北市中正區重慶南路一段103號1F 105號1F-2F
讀者服務部電話：02-2381-2033 02-2381-1863　時間：週一-週五 10:00-17:00
　服務信箱：bookuu@69book.com 客戶、意見信箱:cs@69book.com
ICP證：浙B2-20060032