飞行器红外图像目标检测与跟踪技术

　　《飞行器红外图像目标检测与跟踪技术》主要研究飞行器红外图像目标检测与跟踪技术，包括红外弱小目标检测、红外显著目标的异源匹配检测、红外显著目标的深度学习检测、启发式红外显著目标跟踪、辨别式红外显著目标跟踪、惯导信息辅助图像目标跟踪优化等关键问题，提出并构建飞行器红外图像目标检测与跟踪仿真系统，为推动相关基础理论研究的深入开展，以及研究成果的工程应用提供有效的技术支撑。

暂缺《飞行器红外图像目标检测与跟踪技术》作者简介

目录
前言
第1章绪论1
1.1图像目标检测与跟踪问题描述1
1.1.1图像目标检测问题1
1.1.2图像目标跟踪问题2
1.1.3图像检测与跟踪技术应用4
1.2图像目标检测技术研究进展6
1.2.1红外弱小目标检测技术6
1.2.2异源图像匹配检测技术12
1.2.3基于深度学习的目标检测技术15
1.3图像目标跟踪技术研究进展25
1.3.1传统图像目标跟踪技术25
1.3.2基于相关滤波的目标跟踪技术28
1.3.3基于深度学习的目标跟踪技术29
1.4本书主要内容29
第2章红外图像弱小移动目标检测31
2.1引言31
2.2经典红外图像弱小目标检测算法32
2.2.1单帧红外图像弱小目标检测算法32
2.2.2序列红外图像弱小目标检测算法39
2.3基于Contourlet变换和Facet模型的红外图像弱小目标检测方法45
2.3.1循环平移Contourlet去噪46
2.3.2基于Facet模型多向梯度特性的中值滤波器设计48
2.3.3基于二级Otsu的阈值分割50
2.3.4算法实验与性能分析51
2.4基于结构低秩编码的红外弱小目标检测算法54
2.4.1红外图像背景的低秩特性55
2.4.2红外图像结构低秩编码模型建立56
2.4.3检测算法与实验分析60
2.5基于直线匹配与背景抑制的红外弱小移动目标检测算法66
2.5.1基于多尺度DOG滤波器和几何特征的候选目标的检测67
2.5.2基于均值-标准差直线描述子的直线匹配70
2.5.3背景运动补偿72
2.5.4弱小运动目标检测74
2.5.5检测实验与性能分析76
2.6本章小结79
第3章红外图像显著目标的异源匹配检测80
3.1引言80
3.2基于边缘特征的异源特征匹配检测81
3.2.1常用的边缘提取算法81
3.2.2边缘提取实验及分析83
3.2.3基于边缘相似性距离度量的异源匹配算法84
3.3基于互信息度量的异源图像匹配检测86
3.3.1熵与互信息87
3.3.2基于灰度互信息的匹配检测算法88
3.3.3基于梯度互信息的匹配检测算法90
3.4基于梯度方向分布场的异源匹配检测算法93
3.4.1分布场原理分析94
3.4.2基于梯度方向分布场图的异源匹配97
3.4.3匹配检测实验与分析101
3.5基于椭圆对称方向距的异源匹配检测算法107
3.5.1同质区域特征提取108
3.5.2基于椭圆对称方向矩的异源特征匹配109
3.5.3检测算法实验与分析111
3.6本章小结116
第4章基于深度学习的红外图像显著目标检测117
4.1引言117
4.2基于深度学习的目标检测框架分析118
4.2.1典型深度学习结构118
4.2.2基于深度学习的目标检测流程126
4.2.3目标建议方法分析126
4.3基于目标建议的候选区域选取算法128
4.3.1目标建议方法设计129
4.3.2飞机目标候选区域提取方法132
4.3.3仿真实验与分析133
4.4基于级联神经网络的目标检测方法136
4.4.1基础卷积神经网络设计与训练137
4.4.2级联卷积神经网络构建142
4.4.3仿真实验分析144
4.5目标多视点图像仿真生成方法149
4.5.1机载摄像机探测成像模型建立与分析149
4.5.2机载成像探测问题分析151
4.5.3图像变换数学模型152
4.5.4多视点图像仿真实验155
4.6本章小结157
第5章启发式红外图像显著目标跟踪158
5.1引言158
5.2基于Kalman滤波和梯度-径向夹角的改进均值漂移跟踪算法159
5.2.1均值漂移算法原理159
5.2.2传统均值漂移算法存在的问题161
5.2.3基于Kalman滤波和梯度-径向夹角的改进均值漂移算法163
5.2.4算法跟踪实验与性能分析170
5.3基于贝叶斯互信息分布场的红外图像目标跟踪算法175
5.3.1基于分布场的目标描述176
5.3.2贝叶斯互信息原理177
5.3.3红外图像目标跟踪算法设计179
5.3.4跟踪算法仿真与性能分析187
5.4基于稀疏表示多子模板的红外图像目标跟踪算法192
5.4.1Fragment算法描述192
5.4.2Fragment算法缺陷分析193
5.4.3基于改进多子模板的目标跟踪算法194
5.4.4跟踪算法性能分析198
5.5基于局部特征索引结构的红外目标跟踪算法204
5.5.1视觉词袋模型的构建204
5.5.2基于局部特征索引结构的目标跟踪框架构建206
5.5.3算法跟踪实验与分析214
5.6本章小结216
第6章辨别式红外图像显著目标跟踪217
6.1引言217
6.2基于超像素图结构约束的红外目标跟踪算法217
6.2.1基于聚类算法的外部约束218
6.2.2基于图结构的内部约束219
6.2.3基于粒子滤波框架下的目标定位221
6.2.4遮挡处理及更新模型223
6.2.5跟踪算法性能分析223
6.3基于概率超图排序的红外目标跟踪算法228
6.3.1概率超图排序与构造228
6.3.2概率超图构造229
6.3.3自适应模板集约束模型232
6.3.4基于粒子滤波的目标定位233
6.3.5模板更新机制234
6.3.6跟踪实验与性能分析236
6.4基于多特征融合相关滤波的快速红外目标跟踪算法240
6.4.1相关滤波原理240
6.4.2基于多特征融合的相关滤波跟踪算法244
6.4.3跟踪算法实验与性能分析247
6.5深度学习在目标跟踪中的应用251
6.5.1基于卷积神经网络的深度目标跟踪251
6.5.2基于递归神经网络的深度目标跟踪252
6.5.3基于孪生网络的深度目标跟踪252
6.5.4基于生成对抗网络的深度目标跟踪253
6.5.5基于自编码器的深度目标跟踪254
6.6本章小结255
第7章惯导信息辅助图像目标跟踪优化257
7.1引言257
7.2惯导信息与图像的融合结构257
7.2.1惯导信息对图像进行校正258
7.2.2惯导信息对成像位置进行预测258
7.2.3惯导信息与图像信息的融合制导259
7.2.4惯导信息与图像信息融合的速度估计259
7.2.5惯导信息与图像信息融合的电子稳像技术259
7.3基于惯导信息的目标跟踪模板校正260
7.3.1坐标变换模型建立261
7.3.2模板校正仿真实验与分析262
7.4基于惯导导航信息的目标跟踪位置预测263
7.4.1位置预测问题描述263
7.4.2模型建立与方法设计264
7.4.3仿真实验与结果分析265
7.5基于惯导增量信息的目标跟踪位置预测266
7.5.1增量修正问题描述266
7.5.2模型建立与方法设计267
7.5.3仿真实验与结果分析269
7.6本章小结271
第8章红外图像目标检测与跟踪仿真实验系统272
8.1引言272
8.2系统结构与工作原理272
8.2.1系统结构组成273
8.2.2系统工作原理274
8.3系统的空间对准与时间对准277
8.3.1空间对准277
8.3.2时间对准279
8.4系统软件模块组成281
8.4.1文件管理模块282
8.4.2目标数据仿真生成模块282
8.4.3目标数据集制备模块286
8.4.4算法仿真与性能评估模块289
8.5红外图像目标检测与跟踪实验验证292
8.5.1红外弱小目标检测仿真实验验证292
8.5.2异源图像匹配检测仿真实验验证293
8.5.3智能目标检测仿真实验验证294
8.5.4智能目标跟踪仿真实验验证295
8.6本章小结298
参考文献299
附录相关专业术语314
彩图