图书介绍
智能信息融合与目标识别方法PDF|Epub|txt|kindle电子书版本网盘下载
- 胡玉兰，郝博，王东明，郝伟光，秦丽娟，胡南南，李芳著 著
- 出版社： 北京：机械工业出版社
- ISBN：9787111593171
- 出版时间：2018
- 标注页数：195页
- 文件大小：35MB
- 文件页数：206页
- 主题词：信息融合－图象识别
PDF下载
下载说明
智能信息融合与目标识别方法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
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
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的数学描述127
11.2.2 典型相关的定义及导出128
11.2.3 CCA的基本性质130
11.3 典型相关变量和相关系数的求解步骤132
11.4 基于CCA改进算法的图像特征级融合实现133
11.4.1 改进算法的关键技术133
11.4.2 特征融合过程133
11.5 实验结果与分析134
11.6 本章小结137
第12章 基于优化改进的反向传播神经网络目标识别138
12.1 BP神经网络139
12.1.1 BP网络模型139
12.1.2 BP神经网络结构139
12.1.3 BP神经网络训练学习142
12.1.4 BP神经网络主要特点144
12.2 改进的BP神经网络145
12.3 PSO算法的基本原理和理论基础145
12.3.1 PSO算法的基本原理145
12.3.2 PSO算法的基本流程147
12.4 PSO优化改进的BP神经网络147
12.4.1 PSO优化问题分析147
12.4.2 PSO优化算法流程149
12.5 仿真结果分析和识别系统实现149
12.5.1 仿真结果分析149
12.5.2 识别系统实现152
12.6 本章小结155
第13章 模糊支持向量机理论与编程实现157
13.1 模糊数学理论157
13.1.1 模糊数学的发展历程157
13.1.2 模糊集158
13.1.3 几种常见的模糊隶属度函数158
13.2 支持向量机理论160
13.2.1 经验风险160
13.2.2 结构风险最小化162
13.2.3 最优超平面164
13.2.4 VC维数165
13.2.5 核函数166
13.3 模糊支持向量机理论167
13.3.1 第一种模糊支持向量机167
13.3.2 第二种模糊支持向量机168
13.4 模糊隶属度核函数的选择170
13.4.1 基于类中心距离的隶属度函数170
13.4.2 基于S形函数的隶属度函数171
13.4.3 基于π形函数的隶属度函数171
13.5 模糊支持向量机算法的编程实现172
13.6 本章小结174
第14章 基于模糊支持向量机的识别系统实现175
14.1 模糊支持向量机识别系统的架构175
14.2 图像预处理部分的实现176
14.2.1 文件的打开与显示177
14.2.2 预处理模块图像增强的执行178
14.2.3 预处理模块图像分割的执行178
14.3 特征提取部分的实现179
14.3.1 文件的打开与显示179
14.3.2 传感器类型的选择179
14.3.3 计算相应的特征值180
14.3.4 特征值的存储181
14.4 目标特征数据库系统的技术实现181
14.4.1 特征数据库管理系统的构建181
14.4.2 目标动态特征库管理技术182
14.4.3 目标特征数据库建立184
14.4.4 数据库管理系统编程实现185
14.5 模型训练部分188
14.6 目标识别部分189
14.6.1 目标识别模块工作流程与结果显示189
14.6.2 目标识别结果分析与对比189
14.7 本章小结192
参考文献193