紅外圖像處理、分析與融合

前言

　　紅外探測技術(shù)以其被動式和全天候探測等得天獨(dú)厚的優(yōu)勢，在現(xiàn)代高科技戰(zhàn)爭中發(fā)揮著越來越重要的作用。紅外成像以其被動工作、抗干擾性強(qiáng)、目標(biāo)識別能力強(qiáng)、全天候工作等特點(diǎn)，已在導(dǎo)彈制導(dǎo)、前視成像、紅外夜視、紅外搜索、紅外跟蹤、海關(guān)緝私、海上救援、森林消防、航空測量、資源勘探、損傷探測、生物醫(yī)學(xué)等領(lǐng)域得到了越來越廣泛和深入的應(yīng)用，并使紅外圖像處理成為21世紀(jì)信息化社會構(gòu)建和國防建設(shè)中的最重要的支撐技術(shù)之一，具有十分廣闊的發(fā)展和應(yīng)用前景?！　∫环矫?，由于總體上來說紅外圖像具有對比度低、邊緣模糊、信噪比低、成分復(fù)雜等缺點(diǎn)；另一方面，由于信息技術(shù)的迅猛發(fā)展及在軍事領(lǐng)域里的廣泛應(yīng)用，使得復(fù)雜戰(zhàn)場環(huán)境中目標(biāo)的靈活性、機(jī)動性不斷提高，偽裝和隱身能力不斷增強(qiáng)；同時受大氣熱輻射、遠(yuǎn)作用距離、探測器噪聲等因素影響，成像傳感器探測到的目標(biāo)的局部細(xì)節(jié)的灰度差異不明顯，特別是在檢測到的信號相對較弱、背景有非平穩(wěn)起伏干擾的情況下，目標(biāo)邊緣有可能被大量雜波、噪聲所淹沒，從而導(dǎo)致圖像信噪比降低、形狀和結(jié)構(gòu)的信息不足，使得目標(biāo)檢測識別變得更加困難。因此，紅外圖像的處理、分析與融合就成為紅外成像及其應(yīng)用中的關(guān)鍵且熱點(diǎn)的課題。　　本書從紅外圖像的目標(biāo)特性出發(fā)，以紅外圖像景象匹配、紅外目標(biāo)識別與跟蹤、紅外圖像融合等內(nèi)容為重點(diǎn)，系統(tǒng)地闡述了紅外圖像處理、分析與融合中的理論、方法和技術(shù)。

內(nèi)容概要

本書從紅外圖像的目標(biāo)特性出發(fā)，以紅外圖像景象匹配、紅外目標(biāo)識別與跟蹤、紅外圖像融合等內(nèi)容為重點(diǎn)，系統(tǒng)闡述了紅外圖像處理、分析與融合中的理論、方法和應(yīng)用技術(shù)，涵蓋了紅外圖像應(yīng)用中涉及的核心內(nèi)容。    本書是紅外圖像景象匹配、紅外目標(biāo)識別與跟蹤、紅外圖像融合技術(shù)及其應(yīng)用研究的最新成果總結(jié)，內(nèi)容注重理論與實踐并重，針對性與系統(tǒng)性較強(qiáng)。    本書可供信號與信息處理、通信與信息系統(tǒng)、電子科學(xué)與技術(shù)、計算機(jī)科學(xué)與技術(shù)、控制科學(xué)與工程、紅外遙感及應(yīng)用等學(xué)科中從事圖像處理與分析技術(shù)的研究人員和工程技術(shù)人員參考，也可作為高等院校相關(guān)專業(yè)研究生或高年級本科生的參考書。

作者簡介

李俊山，男，1956年1月出生，陜西白水人，第二炮兵工程學(xué)院計算機(jī)與指揮自動化系教授，博士生導(dǎo)師，二炮導(dǎo)彈技術(shù)專家。 
    主要學(xué)術(shù)成就：獲國防科學(xué)技術(shù)獎和軍隊科技進(jìn)步獎20項；發(fā)表學(xué)術(shù)論文200余篇；公開出版專著、譯著和教材9部，代表作有《數(shù)字圖像處理》、《數(shù)據(jù)庫原理及應(yīng)用（SQL Server）》、《數(shù)據(jù)庫系統(tǒng)原理與設(shè)計》、《并行圖像處理》；作為課程負(fù)責(zé)人的《數(shù)據(jù)庫系統(tǒng)原理及應(yīng)用》課程入選國家級精品課程。主要研究方向：圖像處理與目標(biāo)識別、網(wǎng)絡(luò)信息安全、電子對抗模擬與仿真。現(xiàn)任中國計算機(jī)學(xué)會理事，中國圖象圖形學(xué)學(xué)會理事，陜西省計算機(jī)學(xué)會常務(wù)理事，陜西省圖象圖形學(xué)學(xué)會常務(wù)理事，陜西省計算機(jī)教育學(xué)會常務(wù)理事，《現(xiàn)代電子技術(shù)》編委。曾獲軍隊院?！坝弄劇便y獎，二次榮立三等功。

書籍目錄

前言第一篇  紅外圖像的目標(biāo)特性　第1章  紅外成像原理與紅外圖像特征  　1.1  紅外輻射基本理論    　1.1.1  紅外輻射與紅外光譜    　1.1.2  紅外輻射的傳輸與衰減    　1.1.3  紅外輻射基本定律　  1.2  紅外成像原理    　1.2.1  紅外成像基本原理    　1.2.2  紅外成像系統(tǒng)的特點(diǎn)    　1.2.3  紅外探測器  　1.3  紅外圖像的基本特征    　1.3.1  紅外圖像的特點(diǎn)    　1.3.2  紅外圖像與可見光圖像的區(qū)別　  1.4  軍用紅外小目標(biāo)和背景的輻射特性    　1.4.1  軍用紅外小目標(biāo)的紅外輻射特性    　1.4.2  紅外目標(biāo)背景的紅外輻射特性第二篇  紅外圖像景象匹配　第2章  景象匹配區(qū)選取  　2.1  典型的可匹配性檢驗參數(shù)分析　  2.2  基于紅外實時圖的光學(xué)基準(zhǔn)圖選取    　2.2.1  基于典型的可匹配性檢驗參數(shù)準(zhǔn)則的基準(zhǔn)圖選取    　2.2.2  仿真實驗與結(jié)果分析  　2.3  基準(zhǔn)圖選取控制策略    　2.3.1  景象匹配區(qū)相關(guān)面特征的概念    　2.3.2  最高峰尖銳度計算方法    　2.3.3  景象匹配區(qū)相關(guān)面特征準(zhǔn)則的驗證　  2.4  基于并行遺傳算法的圖像自匹配系數(shù)的快速計算方法    　2.4.1  混沌優(yōu)化方法    　2.4.2  基于PGA的圖像自匹配系數(shù)的快速計算    　2.4.3  仿真實驗及算法性能分析　第3章  基于遺傳算法的灰度相關(guān)匹配  　3.1  典型的灰度相似性算法分析　  3.2  基于遺傳優(yōu)化的灰度相關(guān)匹配算法    　3.2.1  基于遺傳優(yōu)化的灰度相關(guān)匹配算法設(shè)計    　3.2.2  仿真實驗    　3.2.3  實驗結(jié)果與分析  　3.3  基于混合遺傳算法的灰度相關(guān)匹配算法    　3.3.1  混沌遺傳優(yōu)化組合方法研究    　3.3.2  快速匹配算法的設(shè)計    　3.3.3  實驗及算法性能分析　  3.4  基于遺傳算法的分層快速匹配算法    　3.4.1  算法控制策略設(shè)計    　3.4.2  旋轉(zhuǎn)實時圖像的坐標(biāo)變換    　3.4.3  匹配算法的實觀    　3.4.4  仿真實驗結(jié)果及分析　第4章  基于HauSdorff距離的邊緣特征匹配  　4.1  部分HauSdorff距離與景象匹配    　4.1.1  Hausdorff距離    　4.1.2  部分Hausdorff距離    　4.1.3  基于平均距離直的部分Hausdorff距離    　4.1.4  改進(jìn)的部分Hausdorff距離　  4.2  基于LTS-HD的景象匹配加速技術(shù)    　4.2.1  鄰域排除法    　4.2.2  掃描終止法    　4.2.3  前向跳躍法  　4.3  基于LTS-HD的邊緣特征快速匹配算法    　4.3.1  Hausdorff距離的變換    　4.3.2  基于LTS-HD的快速景象匹配算法設(shè)計    　4.3.3  實驗結(jié)果與分析　  4.4  基于進(jìn)化策略的邊緣特征匹配算法    　4.4.1  進(jìn)化策略的算法模型    　4.4.2  進(jìn)化策略的改進(jìn)措施    　4.4.3  進(jìn)化策略與LTS-HD結(jié)合的匹配算法    　4.4.4  實驗結(jié)果與分析  　4.5  基于邊緣金字塔結(jié)構(gòu)的邊緣特征匹配算法    　4.5.1  邊緣圖像金字塔和距離圖像金字塔    　4.5.2  金字塔抽取模式和分解次數(shù)的自適應(yīng)確定    　4.5.3  邊緣金字塔分解的LTS-HD距離匹配算法    　4.5.4  仿真實驗結(jié)果及分析　第5章  基于神經(jīng)網(wǎng)絡(luò)的景象匹配  　5.1  BP神經(jīng)網(wǎng)絡(luò)　  5.2  基于BP神經(jīng)網(wǎng)絡(luò)的景象匹配設(shè)計    　5.2.1  BP神經(jīng)網(wǎng)絡(luò)匹配特征設(shè)計    　5.2.2  景象匹配的BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計    　5.2.3  景象匹配的BP神經(jīng)網(wǎng)絡(luò)算法    　5.2.4  算法性能分析  　5.3  基于進(jìn)化策略的BP神經(jīng)網(wǎng)絡(luò)匹配算法    　5.3.1  傳統(tǒng)BP算法的缺陷分析及以往的改進(jìn)方法    　5.3.2  改進(jìn)的ES與BP神經(jīng)網(wǎng)絡(luò)結(jié)合的關(guān)鍵技術(shù)    　5.3.3  基于進(jìn)化策略的BP神經(jīng)網(wǎng)絡(luò)匹配算法設(shè)計    　5.3.4  仿真實驗與結(jié)果分析　  5.4  基于像素環(huán)形排列的神經(jīng)網(wǎng)絡(luò)匹配算法    　5.4.1  算法描述    　5.4.2  仿真實驗與結(jié)果分析第三篇  紅外目標(biāo)識別與艱蹤　第6章  紅外小目標(biāo)檢測　第7章  紅外面目標(biāo)檢測　第8章  基于粒子濾波的紅外目標(biāo)跟蹤　第9章  基于均值漂移的紅外目標(biāo)跟蹤第四篇  紅外圖像融合　第10章  多分辨率圖像融合　第11章  非子采樣輪廓波變換及其改進(jìn)　第12章  基于NSWMDA的自適應(yīng)圖像融合框架　第13章  圖像融合效果評價參考文獻(xiàn)

章節(jié)摘錄

　　3）紅外圖像與可見光圖像對同一景物的灰度差異較大?？梢姽鈭D像的灰度與紅外圖像的灰度相比層次分明。例如，在紅外圖像中道路和河流基本顯示為同一灰度，但在可見光圖像中表現(xiàn)為不同的灰度值；圖中的田間小路在紅外圖像中表現(xiàn)為低灰度，但在可見光圖像中表現(xiàn)為高灰度?！　?）紅外圖像與可見光圖像的紋理特征不同?？梢姽鈭D像能反映出景物表面的紋理細(xì)節(jié)信息，而紅外圖像對景物表面的紋理信息不能很好的反映。　　5）紅外圖像與可見光圖像的邊緣特征不同。可見光圖像的邊緣要比紅外圖像的邊緣“陡”得多，其邊緣結(jié)構(gòu)也比較復(fù)雜。如圖1.7 中所示，可見光圖像的邊緣特征明顯，表現(xiàn)為邊緣相對陡峭，而紅外圖像的邊緣相對平滑。同時，對應(yīng)于同一景物，紅外圖像與可見光圖像相比邊緣存在著缺失和偏移的現(xiàn)象?！　?）紅外圖像與可見光圖像的像素間相關(guān)性不同。實際景物圖像的像素之間存在著一定的相關(guān)性。同一景物的紅外圖像相關(guān)長度要比可見光圖像的相關(guān)長度長一些。這與紅外圖像的低頻成分較多有關(guān)?！　∮捎诩t外圖像與可見光圖像有上述的差異性，因此在進(jìn)行紅外圖像與可見光圖像的互補(bǔ)特征分析與利用，特別是在景象匹配的景象匹配區(qū)選取時要充分考慮這些區(qū)別。

編輯推薦

　　紅外探測技術(shù)以其被動式和全天候探測等得天獨(dú)厚的優(yōu)勢，在現(xiàn)代高科技戰(zhàn)爭中發(fā)揮著越來越重要的作用?！　”緯鴱募t外圖像的目標(biāo)特性出發(fā)，以紅外圖像景象匹配、紅外目標(biāo)識別與跟蹤、紅外圖像融合等內(nèi)容為重點(diǎn)，系統(tǒng)闡述了紅外圖像處理、分析與融合中的理論、方法和應(yīng)用技術(shù)。

圖書封面

圖書標(biāo)簽Tags

無

評論、評分、閱讀與下載

---

    紅外圖像處理、分析與融合 PDF格式下載

---