注册 | 登录读书好,好读书,读好书!
读书网-DuShu.com
当前位置: 首页出版图书科学技术工业技术电工技术智能信息融合与目标识别方法

智能信息融合与目标识别方法

智能信息融合与目标识别方法

定 价:¥59.00

作 者: 胡玉兰,郝博,王东明 著
出版社: 机械工业出版社
丛编项:
标 签: 暂缺

购买这本书可以去


ISBN: 9787111593171 出版时间: 2018-06-01 包装: 平装
开本: 16开 页数: 195 字数:  

内容简介

  《智能信息融合与目标识别方法》研究了信息融合目标识别技术,首先分析了特征级融合目标识别的基本理论,然后研究了多源图像的预处理、结合阈值分割的分水岭算法、结合聚类分割的分水岭算法、目标特征提取方法。对于特征融合方法,研究了基于协方差矩阵多特征信息融合、基于主成分分析的特征融合方法、基于改进免疫遗传的特征融合方法、基于独立分量的特征融合、对典型相关分析特征融合方法的改进。后介绍了基于优化改进的反向传播神经网络目标识别、模糊支持向量机理论与编程、基于模糊支持向量机的识别系统。

作者简介

  胡玉兰,郝博,王东明

图书目录

前言
第1 章 绪论 1
1. 1 概述 1
1. 2 研究现状 3
第2 章 特征级融合目标识别的基本理论 5
2. 1 信息融合目标识别结构 5
2. 2 特征级融合目标识别系统基本结构 6
2. 3 特征级融合目标识别的关键问题分析 8
2. 3. 1 特征数据库 8
2. 3. 2 特征提取 8
2. 3. 3 特征融合 8
2. 3. 4 目标识别 10
2. 4 本章小结 11
第3 章 多源图像的预处理 13
3. 1 多源图像的去噪 13
3. 1. 1 噪声分析 13
3. 1. 2 常用的图像去噪方法 14
3. 1. 3 几种较新的去噪方法 15
3. 2 多源图像的平滑 20
3. 2. 1 均值平滑法 20
3. 2. 2 邻域平均法 20
3. 2. 3 加权平均法 21
3. 2. 4 选择式掩模平滑法 21
3. 3 多源图像的滤波 23
3. 3. 1 低通滤波 23
3. 3. 2 高通滤波 24
3. 3. 3 中值滤波 26

3. 3. 4 维纳滤波 27
3. 4 本章小结 29
第4 章 结合阈值分割的分水岭算法 30
4. 1 引言 30
4. 2 图像阈值分割概述 30
4. 3 常用的阈值分割方法 31
4. 3. 1 全局阈值法 31
4. 3. 2 局部阈值法 36
4. 3. 3 动态阈值法 36
4. 4 改进的最大类间方差法 36
4. 5 本章小结 43
第5 章 结合聚类分割的分水岭算法 44
5. 1 图像聚类分割概述 44
5. 2 常用的图像聚类分割算法 46
5. 2. 1 划分聚类算法 46
5. 2. 2 层次聚类算法 47
5. 2. 3 基于密度的聚类算法 47
5. 2. 4 基于模型的聚类算法 48
5. 2. 5 基于网格的聚类算法 48
5. 3 改进的FCM 聚类分割算法 49
5. 4 本章小结 53
第6 章 目标特征提取方法 54
6. 1 传统的特征提取方法 57
6. 1. 1 经典的特征提取方法 57
6. 1. 2 多项式不变矩 59
6. 1. 3 共生矩阵 67
6. 2 红外和可见光图像特征提取和融合 70
6. 2. 1 多传感器特征提取 70
6. 2. 2 目标区域分割和检测 71
6. 2. 3 特征提取与融合 73
6. 3 本章小结 75
第7 章 基于协方差矩阵多特征信息融合 77
7. 1 图像特征提取 77
7. 1. 1 多传感器特征提取 77

目  录
7. 1. 2 灰度特征 78
7. 1. 3 空间信息特征 78
7. 1. 4 梯度信息特征 79
7. 2 协方差矩阵的构造 80
7. 2. 1 协方差矩阵与协方差 80
7. 2. 2 协方差矩阵距离的度量 81
7. 2. 3 特征协方差 82
7. 3 多特征信息融合 83
7. 4 融合实验结果与分析 83
7. 5 本章小结 85
第8 章 基于主成分分析的特征融合方法 87
8. 1 特征提取 87
8. 1. 1 灰度共生矩阵 87
8. 1. 2 Hu 不变矩 88
8. 2 几何特征 90
8. 3 主成分分析的定义 90
8. 3. 1 主成分分析的基本原理 90
8. 3. 2 数学模型 91
8. 3. 3 主成分的推导 93
8. 4 基于主成分分析的图像特征级融合实现 96
8. 4. 1 目标特征的提取 96
8. 4. 2 特征融合 96
8. 4. 3 实验结果与分析 96
8. 5 本章小结 99
第9 章 基于改进免疫遗传的特征融合方法 100
9. 1 遗传算法基础理论 100
9. 1. 1 遗传算法概述 100
9. 1. 2 遗传算法流程 101
9. 2 一般的免疫算法基础理论 103
9. 2. 1 免疫算法概述 104
9. 2. 2 免疫算法流程 105
9. 2. 3 一般的免疫遗传算法 105
9. 3 基于改进免疫遗传的图像特征级融合实现 107
9. 3. 1 改进算法的关键技术 107
9. 3. 2 基于改进免疫遗传的特征融合原理 108

智能信息融合与目标识别方法
9. 3. 3 特征级融合实现 108
9. 3. 4 实验结果与分析 111
9. 4 本章小结 112
第10 章 基于独立分量的特征融合 113
10. 1 ICA 的定义 113
10. 2 随机变量的独立性概念 114
10. 3 ICA 独立性的度量 115
10. 3. 1 非高斯性 115
10. 3. 2 互信息 117
10. 4 快速固定点ICA 算法 117
10. 5 基于ICA 的图像特征级融合实现 119
10. 5. 1 ICA 的预处理 119
10. 5. 2 特征融合 120
10. 6 实验结果与分析 121
10. 7 本章小结 125
第11 章 对典型相关分析特征融合方法的改进 126
11. 1 CCA 的基本思想 126
11. 2 CCA 的基本原理 127
11. 2. 1 CCA 的
......

本目录推荐