智能信息融合与目标识别方法

本书特色

[

《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。

]

内容简介

[

作为人工智能技术重要的落地分支之一，图像识别和目标识别已经作为先头兵开启了各式各样的应用之旅。本书则是从基本的原理出发对目标识别和图像识别技术进行了详述，并给出了相应的应用实例。难能可贵的是，本书对在进行目标识别时的信息融合技术进行了讨论，进一步丰富了本书内容。相信通过阅读本书，您能得到意想不到的收获！

]

目录

前言第1 章　绪论 1１. １　概述 １１. ２　研究现状 ３第2 章　特征级融合目标识别的基本理论 5２. １　信息融合目标识别结构 ５２. ２　特征级融合目标识别系统基本结构 ６２. 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 １０２. ４　本章小结 １１第3 章　多源图像的预处理 13３. 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 １５３. 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 ２１３. 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 ２６Ⅳ　　３. ３. ４　维纳滤波 ２７３. ４　本章小结 ２９第4 章　结合阈值分割的分水岭算法 30４. １　引言 ３０４. ２　图像阈值分割概述 ３０４. 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 ３６４. ４　改进的*大类间方差法 ３６４. ５　本章小结 ４３第5 章　结合聚类分割的分水岭算法 44５. １　图像聚类分割概述 ４４５. 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 ４８５. ３　改进的ＦＣＭ 聚类分割算法 ４９５. ４　本章小结 ５３第6 章　目标特征提取方法 54６. 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 ６７６. 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 ７３６. ３　本章小结 ７５第7 章　基于协方差矩阵多特征信息融合 77７. １　图像特征提取 ７７　　７. １. １　多传感器特征提取 ７７Ⅴ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 ７９７. 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 ８２７. ３　多特征信息融合 ８３７. ４　融合实验结果与分析 ８３７. ５　本章小结 ８５第8 章　基于主成分分析的特征融合方法 87８. １　特征提取 ８７　　８. １. １　灰度共生矩阵 ８７　　８. １. ２　Ｈｕ 不变矩 ８８８. ２　几何特征 ９０８. 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 ９３８. 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 ９６８. ５　本章小结 ９９第9 章　基于改进免疫遗传的特征融合方法 100９. 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 １０１９. 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 １０５９. 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 １０８Ⅵ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 １１１９. ４　本章小结 １１２第10 章　基于独立分量的特征融合 113１０. １　ＩＣＡ 的定义 １１３１０. ２　随机变量的独立性概念 １１４１０. ３　ＩＣＡ 独立性的度量 １１５　　１０. ３. １　非高斯性 １１５　　１０. ３. ２　互信息 １１７１０. ４　快速固定点ＩＣＡ 算法 １１７１０. 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 １２０１０. ６　实验结果与分析 １２１１０. 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 126１１. １　ＣＣＡ 的基本思想 １２６１１. ２　ＣＣＡ 的基本原理 １２７　　１１. ２. １　ＣＣＡ 的

封面

书名:智能信息融合与目标识别方法

作者:胡玉兰

页数:195

定价:¥59.0

出版社:机械工业出版社

出版日期:2018-05-01

ISBN:9787111593171

PDF电子书大小:139MB 高清扫描完整版

---

---