图书介绍
基于特征的红外图像目标匹配与跟踪技术PDF|Epub|txt|kindle电子书版本网盘下载
- 李俊山，张姣，杨威，朱英宏，郭莉莎著 著
- 出版社： 北京：科学出版社
- ISBN：9787030418883
- 出版时间：2014
- 标注页数：180页
- 文件大小：73MB
- 文件页数：192页
- 主题词：红外探测－图象处理
PDF下载
下载说明
基于特征的红外图像目标匹配与跟踪技术PDF格式电子书版下载
下载的文件为RAR压缩包。需要使用解压软件进行解压得到PDF格式图书。建议使用BT下载工具Free Download Manager进行下载,简称FDM(免费,没有广告,支持多平台）。本站资源全部打包为BT种子。所以需要使用专业的BT下载软件进行下载。如BitComet qBittorrent uTorrent等BT下载工具。迅雷目前由于本站不是热门资源。不推荐使用！后期资源热门了。安装了迅雷也可以迅雷进行下载！
（文件页数 要大于 标注页数，上中下等多册电子书除外）
注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具
图书目录
第一篇 红外图像目标的稳定特征提取3
第1章 红外图像的局部不变特征3
1.1 图像局部不变特征的基本理论3
1.1.1 图像特征概述3
1.1.2 局部不变特征的性质4
1.1.3 特征检测算法的研究现状5
1.1.4 特征描述算法的研究现状6
1.2 几种最典型的图像特征检测算法8
1.2.1 角点特征检测算法8
1.2.2 斑点特征检测算法11
1.2.3 区域特征检测算法11
1.3 典型特征检测算法性能评价11
第2章 基于FAST-9的多尺度快速检测子16
2.1 尺度空间理论16
2.1.1 多尺度表达16
2.1.2 尺度空间17
2.1.3 高斯尺度空间的建立17
2.2 基于FAST-9的角点提取19
2.2.1 FAST角点检测算法19
2.2.2 基于多尺度的FAST-9角点提取22
2.2.3 实验结果与分析23
第3章 基于改进曲率尺度空间的图像特征点检测28
3.1 曲率角点检测28
3.1.1 曲线尺度空间28
3.1.2 曲率尺度空间角点检测29
3.2 改进的CSS特征点提取方法30
3.2.1 改进的CSS角点检测算法31
3.2.2 实验结果与分析32
第二篇 基于局部不变特征的红外与可见光图像匹配39
第4章 基于梯度的红外与可见光图像特征点描述与匹配39
4.1 SIFT算法及红外与可见光图像特征点梯度分析39
4.1.1 尺度空间关键点的检测39
4.1.2 关键点的精确定位40
4.1.3 关键点主方向分配42
4.1.4 SIFT描述子构造42
4.1.5 特征匹配43
4.1.6 基于SIFT算法的红外与可见光图像梯度分析45
4.2 基于CSS的特征点梯度匹配算法46
4.2.1 剔除低对比度特征点46
4.2.2 特征点主方向构成46
4.2.3 镜像的SIFT特征点描述47
4.2.4 描述子匹配48
4.2.5 实验结果与分析48
第5章 基于自相似性的红外与可见光图像特征匹配53
5.1 自相似性目标识别算法的性能分析53
5.2 基于平方和的图像预处理54
5.3 基于自相似性的红外与可见光图像特征描述与匹配方法55
5.3.1 特征点提取56
5.3.2 基于相关平面的特征点描述56
5.3.3 剔除不良描述子与描述子匹配57
5.3.4 实验结果与分析58
第6章 基于形状上下文的红外与可见光图像特征匹配62
6.1 形状上下文算法62
6.1.1 形状上下文62
6.1.2 形状上下文算法步骤62
6.1.3 形状上下文算法的特点64
6.2 红外与可见光图像边缘特征提取方法64
6.2.1 特征点提取64
6.2.2 特征点边缘特性分析64
6.2.3 特征点边缘拆分／重组65
6.2.4 特征点主方向构成66
6.3 基于形状上下文的特征点描述和匹配方法67
6.3.1 特征点的子邻域描述67
6.3.2 级联描述子的构造67
6.3.3 描述子匹配68
6.3.4 实验结果与分析68
6.3.5 算法复杂度分析72
第7章 基于LBP的红外与可见光图像特征描述与匹配73
7.1 LBP特征描述子73
7.1.1 经典的LBP算子73
7.1.2 圆形邻域的LBP算子74
7.1.3 均匀LBP算子74
7.2 基于S-LBP的级联描述子匹配算法75
7.2.1 特征点提取和主方向构造75
7.2.2 基于S-LBP的级联描述子构造75
7.2.3 基于S-LBP描述子的匹配运算77
7.2.4 实验结果与分析77
7.2.5 算法复杂度分析80
第8章 多特征结合的红外与可见光图像特征点匹配82
8.1 多特征相关技术研究概述82
8.1.1 同步多特征匹配82
8.1.2 异步多特征匹配82
8.2 基于梯度与自相似性的同步多特征匹配算法84
8.2.1 特征点提取和主方向构造85
8.2.2 自相似性描述子构造85
8.2.3 同步多特征描述子构造85
8.2.4 加权匹配86
8.2.5 实验结果与分析87
8.3 基于梯度与特征点邻域边缘的异步多特征图像匹配算法90
8.3.1 特征点提取与主方向构造90
8.3.2 基于梯度的描述子构造和粗匹配90
8.3.3 特征点邻域边缘描述子91
8.3.4 特征点精匹配91
8.3.5 实验结果与分析91
第9章 基于线特征的红外与可见光图像匹配94
9.1 直线提取算法94
9.1.1 典型的检测算法分析94
9.1.2 基于Canny算法的直线提取95
9.1.3 快速直线检测算法95
9.2 直线描述子97
9.2.1 典型的直线描述子分析97
9.2.2 均值-标准差描述子97
9.3 基于Haar小波的直线描述与匹配算法99
9.3.1 Haar-like特征及提取方法99
9.3.2 构建Haar直线描述子101
9.3.3 分级特征匹配103
9.3.4 实验结果与分析104
9.4 基于梯度方向直方图不变矩的直线配准算法110
9.4.1 不变矩特征110
9.4.2 直线主方向的确定111
9.4.3 直线区域构成111
9.4.4 梯度方向直方图不变矩的构成和匹配112
9.4.5 实验结果与分析113
9.5 直线和点结合的红外和可见光图像匹配116
9.5.1 直线的提取116
9.5.2 直线Haar描述子和粗匹配116
9.5.3 虚拟点的精匹配117
9.5.4 实验结果与分析117
第10章 基于图像变换模型的误匹配特征剔除122
10.1 图像匹配的映射变换和空间变换模型122
10.1.1 图像匹配的映射变换122
10.1.2 图像空间变换模型122
10.2 RANSAC算法123
10.3 基于支持向量回归的误匹配点对剔除125
10.3.1 支持向量回归思想125
10.3.2 基于SVR的误匹配点对剔除算法127
10.4 实验与分析128
10.4.1 实验数据与评价128
10.4.2 实验结果与分析128
第三篇 基于特征的红外图像目标跟踪135
第11章 基于空间直方图特征的红外目标均值漂移跟踪方法135
11.1 相关研究概述135
11.2 均值漂移跟踪理论137
11.2.1 核密度估计137
11.2.2 均值漂移139
11.3 红外图像目标的表示与定位139
11.3.1 联合空间颜色模型140
11.3.2 相似性度量141
11.3.3 目标定位及跟踪算法142
11.4 实验结果与分析143
第12章 基于多特征融合的红外目标跟踪方法145
12.1 相关研究概述145
12.2 目标特征选择146
12.2.1 颜色特征146
12.2.2 边缘特征147
12.2.3 纹理特征148
12.2.4 梯度特征150
12.3 基于多特征的红外目标表示与定位150
12.3.1 红外目标的多特征描述150
12.3.2 相似性度量与特征权重自适应选择151
12.3.3 目标模型自适应更新152
12.4 实验结果与分析154
第13章 基于在线学习的红外目标分类跟踪方法159
13.1 相关研究概述159
13.2 集成学习和Boosting理论160
13.2.1 集成学习160
13.2.2 Boosting理论161
13.2.3 AdaBoost模型162
13.3 基于在线Boosting的红外目标分类跟踪164
13.3.1 基于在线Boosting的特征选择164
13.3.2 特征及弱分类器设计165
13.3.3 Haar-like特征166
13.3.4 2bitBP特征167
13.3.5 弱分类器选择167
13.3.6 跟踪算法168
13.4 实验结果与分析169
参考文献173