智能信息融合與目標(biāo)識(shí)別方法

定　價(jià)：￥59.00

作　者：	胡玉蘭，郝博，王東明著
出版社：	機(jī)械工業(yè)出版社
叢編項(xiàng)：
標(biāo)　簽：	暫缺

購(gòu)買(mǎi)這本書(shū)可以去

ISBN：	9787111593171	出版時(shí)間：	2018-06-01	包裝：	平裝
開(kāi)本：	16開(kāi)	頁(yè)數(shù)：	195	字?jǐn)?shù)：

內(nèi)容簡(jiǎn)介

　　《智能信息融合與目標(biāo)識(shí)別方法》研究了信息融合目標(biāo)識(shí)別技術(shù)，首先分析了特征級(jí)融合目標(biāo)識(shí)別的基本理論，然后研究了多源圖像的預(yù)處理、結(jié)合閾值分割的分水嶺算法、結(jié)合聚類(lèi)分割的分水嶺算法、目標(biāo)特征提取方法。對(duì)于特征融合方法，研究了基于協(xié)方差矩陣多特征信息融合、基于主成分分析的特征融合方法、基于改進(jìn)免疫遺傳的特征融合方法、基于獨(dú)立分量的特征融合、對(duì)典型相關(guān)分析特征融合方法的改進(jìn)。后介紹了基于優(yōu)化改進(jìn)的反向傳播神經(jīng)網(wǎng)絡(luò)目標(biāo)識(shí)別、模糊支持向量機(jī)理論與編程、基于模糊支持向量機(jī)的識(shí)別系統(tǒng)。

作者簡(jiǎn)介

　　胡玉蘭，郝博，王東明

圖書(shū)目錄

前言
第1 章　緒論 1
１. １　概述１
１. ２　研究現(xiàn)狀３
第2 章　特征級(jí)融合目標(biāo)識(shí)別的基本理論 5
２. １　信息融合目標(biāo)識(shí)別結(jié)構(gòu) ５
２. ２　特征級(jí)融合目標(biāo)識(shí)別系統(tǒng)基本結(jié)構(gòu) ６
２. ３　特征級(jí)融合目標(biāo)識(shí)別的關(guān)鍵問(wèn)題分析８
２. ３. １　特征數(shù)據(jù)庫(kù) ８
２. ３. ２　特征提取８
２. ３. ３　特征融合８
２. ３. ４　目標(biāo)識(shí)別１０
２. ４　本章小結(jié) １１
第3 章　多源圖像的預(yù)處理 13
３. １　多源圖像的去噪１３
３. １. １　噪聲分析１３
３. １. ２　常用的圖像去噪方法１４
３. １. ３　幾種較新的去噪方法１５
３. ２　多源圖像的平滑２０
３. ２. １　均值平滑法２０
３. ２. ２　鄰域平均法２０
３. ２. ３　加權(quán)平均法２１
３. ２. ４　選擇式掩模平滑法２１
３. ３　多源圖像的濾波２３
３. ３. １　低通濾波２３
３. ３. ２　高通濾波２４
３. ３. ３　中值濾波２６
Ⅳ
３. ３. ４　維納濾波２７
３. ４　本章小結(jié) ２９
第4 章　結(jié)合閾值分割的分水嶺算法 30
４. １　引言３０
４. ２　圖像閾值分割概述３０
４. ３　常用的閾值分割方法３１
４. ３. １　全局閾值法３１
４. ３. ２　局部閾值法３６
４. ３. ３　動(dòng)態(tài)閾值法３６
４. ４　改進(jìn)的最大類(lèi)間方差法３６
４. ５　本章小結(jié) ４３
第5 章　結(jié)合聚類(lèi)分割的分水嶺算法 44
５. １　圖像聚類(lèi)分割概述４４
５. ２　常用的圖像聚類(lèi)分割算法４６
５. ２. １　劃分聚類(lèi)算法４６
５. ２. ２　層次聚類(lèi)算法４７
５. ２. ３　基于密度的聚類(lèi)算法４７
５. ２. ４　基于模型的聚類(lèi)算法４８
５. ２. ５　基于網(wǎng)格的聚類(lèi)算法４８
５. ３　改進(jìn)的ＦＣＭ聚類(lèi)分割算法４９
５. ４　本章小結(jié) ５３
第6 章　目標(biāo)特征提取方法 54
６. １　傳統(tǒng)的特征提取方法５７
６. １. １　經(jīng)典的特征提取方法５７
６. １. ２　多項(xiàng)式不變矩５９
６. １. ３　共生矩陣６７
６. ２　紅外和可見(jiàn)光圖像特征提取和融合７０
６. ２. １　多傳感器特征提取７０
６. ２. ２　目標(biāo)區(qū)域分割和檢測(cè) ７１
６. ２. ３　特征提取與融合７３
６. ３　本章小結(jié) ７５
第7 章　基于協(xié)方差矩陣多特征信息融合 77
７. １　圖像特征提取７７
７. １. １　多傳感器特征提取７７
Ⅴ
目　　錄
７. １. ２　灰度特征７８
７. １. ３　空間信息特征７８
７. １. ４　梯度信息特征７９
７. ２　協(xié)方差矩陣的構(gòu)造８０
７. ２. １　協(xié)方差矩陣與協(xié)方差８０
７. ２. ２　協(xié)方差矩陣距離的度量８１
７. ２. ３　特征協(xié)方差８２
７. ３　多特征信息融合８３
７. ４　融合實(shí)驗(yàn)結(jié)果與分析８３
７. ５　本章小結(jié) 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　灰度共生矩陣８７
８. １. ２?。龋?不變矩８８
８. ２　幾何特征９０
８. ３　主成分分析的定義９０
８. ３. １　主成分分析的基本原理９０
８. ３. ２　數(shù)學(xué)模型９１
８. ３. ３　主成分的推導(dǎo) ９３
８. ４　基于主成分分析的圖像特征級(jí)融合實(shí)現(xiàn) ９６
８. ４. １　目標(biāo)特征的提取９６
８. ４. ２　特征融合９６
８. ４. ３　實(shí)驗(yàn)結(jié)果與分析９６
８. ５　本章小結(jié) ９９
第9 章　基于改進(jìn)免疫遺傳的特征融合方法 100
９. １　遺傳算法基礎(chǔ)理論１００
９. １. １　遺傳算法概述１００
９. １. ２　遺傳算法流程１０１
９. ２　一般的免疫算法基礎(chǔ)理論１０３
９. ２. １　免疫算法概述１０４
９. ２. ２　免疫算法流程１０５
９. ２. ３　一般的免疫遺傳算法１０５
９. ３　基于改進(jìn)免疫遺傳的圖像特征級(jí)融合實(shí)現(xiàn) １０７
９. ３. １　改進(jìn)算法的關(guān)鍵技術(shù) １０７
９. ３. ２　基于改進(jìn)免疫遺傳的特征融合原理１０８
Ⅵ
智能信息融合與目標(biāo)識(shí)別方法
９. ３. ３　特征級(jí)融合實(shí)現(xiàn) １０８
９. ３. ４　實(shí)驗(yàn)結(jié)果與分析１１１
９. ４　本章小結(jié) １１２
第10 章　基于獨(dú)立分量的特征融合 113
１０. １　ＩＣＡ的定義１１３
１０. ２　隨機(jī)變量的獨(dú)立性概念１１４
１０. ３?。桑茫?獨(dú)立性的度量１１５
１０. ３. １　非高斯性１１５
１０. ３. ２　互信息１１７
１０. ４　快速固定點(diǎn)ＩＣＡ算法１１７
１０. ５　基于ＩＣＡ的圖像特征級(jí)融合實(shí)現(xiàn) １１９
１０. ５. １　ＩＣＡ的預(yù)處理１１９
１０. ５. ２　特征融合１２０
１０. ６　實(shí)驗(yàn)結(jié)果與分析１２１
１０. ７　本章小結(jié) １２５
第11 章　對(duì)典型相關(guān)分析特征融合方法的改進(jìn) 126
１１. １?。茫茫?的基本思想１２６
１１. ２　ＣＣＡ的基本原理１２７
１１. ２. １?。茫茫?的
......