成像自動目標識別

總序
前言
第1章 引論
1.1 不變特性感知
1.2 成像目標識別的信號處理
1.3 計算智能途徑
1.4 性能評價與預(yù)測
1.4.1 場景參數(shù)
1.4.2 大氣參數(shù)
1.4.3 傳感器與平臺特性
1.4.4 圖像度量參數(shù)
1.5 實時性和可開發(fā)性
1.6 識別的基本過程
1.6.1 過程與系統(tǒng)
1.6.2 預(yù)處理與背景抑制
1.6.3 多級動態(tài)特征空間
1.6.4 識別問題的內(nèi)涵
參考文獻
第2章 目標的表達與建模
2.1 多尺度目標表達
2.1.1 輪廓的金字塔模型
2.1.2 三維目標的方位圖
2.1.3 多尺度特性視圖
2.2 目標圖像的不變量表達
　　2.2.1 二維幾何矩的不變特征
　 2.2.2 二值不變矩的輪廓鏈快速算法
　2.2.3 Zemike矩
　 2.2.4 平移和尺度不變的自適應(yīng)小波矩
　2.2.5 傅里葉描述子不變量
　 2.2.6 傅里葉一梅林變換
　2.3 不變矩穩(wěn)定性及多級特征模型
　2.3.1 高斯點擴展函數(shù)作用下的目標不變矩
　 2.3.2 離散條件下不變矩的計算誤差
　2.3.3 不變矩數(shù)量級標準化
　 2.3.4 目標識別的多級特征模型
　2.3.5 小結(jié)
　參考文獻
第3章 基于成像過程的預(yù)處理
3.1 湍流圖像校正與恢復(fù)
3.1.1 構(gòu)造方程組
3.1.2 改造方程組
3.1.3 方程的選擇
3.1.4 點擴展函數(shù)的直接估計法
3.1.5 約束最優(yōu)估計
3.1.6 實驗及分析
3.1.7 小結(jié)
3.2 旋轉(zhuǎn)模糊圖像恢復(fù)
3.2.1 旋轉(zhuǎn)運動模糊分析
3.2.2 沿模糊路徑去卷積
3.2.3 鄰域知識引導(dǎo)的最小代價恢復(fù)算法
3.2.4 實驗
3.2.5 小結(jié)
3.3 振動模糊的圖像恢復(fù)
3.3.1 算法原理
3.3.2 實驗
3.3.3 小結(jié)
3.4 紅外成像非均勻性校正　
　……
第4章 背景抑制與興趣區(qū)提取
第5章 運動目標檢測
第6章 目標識別算法
第7章 實時識別系統(tǒng)
第8章 系統(tǒng)分析、仿真與評價
后記