智能信息融合与目标识别方法_新闻与传播

1

前言

随着科学技术的发展，信息化已经在各个领域中得到了重视和发展，特别是在军事方面的应用，如何获得有效信息是现代化战争的一个关键点。各个国家都投入了很大的人力和物力，...

2

第1章绪论

...

4

1.1 概述

随着科学技术的发展，信息化已经在各个领域里得到了重视和发展，特别是在军事方面的应用，如何获得有效信息是现代化战争的一个关键点，它决定了战争的胜负，从而使得各个国...

5

1.2 研究现状

在信息融合目标识别方面，国外起步相对国内要早。早在20世纪70年代末期，美国科研机构利用多个悬浮水下声呐，再通过使用当时先进的计算机处理技术对信号进行有效的融合...

6

第2章特征级融合目标识别的基本理论

...

7

2.1 信息融合目标识别结构

多传感器信息融合目标识别系统一般处理流程有：传感器采集信息预处理、信息配准、信息融合、特征提取以及目标识别。按信息抽象程度，多传感器信息融合一般分为三个层次，即...

8

2.2 特征级融合目标识别系统基本结构

特征级融合的目标识别是指从多传感器获取的目标原始信息中提取目标特征信息，应用融合算法将其进行融合成复合特征信息量，利用分类识别方法识别目标的过程，如图2-2所示...

9

2.3 特征级融合目标识别的关键问题分析

...

10

2.3.1 特征数据库

多传感器信息融合目标识别的识别率和实时性在很大程度上取决于特征数据库建立的完备程度。现有的目标识别算法模式，都需要与先验模式进行比较。将各种可能存在的目标特征信...

11

2.3.2 特征提取

面对各种异质传感器组合的多传感器系统，传感器的物理探测原理不同，获取的目标信息有图像和非图像类等较大的性质差异，并且信息量巨大。如何选择特征提取方法，能提取出目...

12

2.3.3 特征融合

特征融合的过程就是将特征提取后特征信息通过融合处理，获得多个特征数据的特征综合——种新的联合特征量，为目标的识别处理﹑决策提供服务。特征融合算法是对提取的原始...

13

2.3.4 目标识别

特征级融合的目标识别算法目前都是基于模式识别的方法，可分为统计模式识别、句法模式识别、模糊模式识别、人工智能方法。统计模式识别、句法模式识别这两种方法比较成熟，...

14

2.4 本章小结

在各种环境下对目标进行有效的目标特征提取并识别是非常困难的，仅仅依靠一种或少数几种特征很难准确地进行特征级融合的目标识别，必须尽可能利用异类多传感器收集到的多种...

15

第3章多源图像的预处理

本书研究的多源图像的分割方法主要采用分水岭算法，但是采用分水岭算法分割的缺陷之一是对图像中的噪声很敏感，从而使得分割后的图像不能得到正确的轮廓信息。因此，对于改...

16

3.1 多源图像的去噪

多源图像成像传感器在拍摄图像的过程中，由于使用的器件的局限性，在一定程度上会增加噪声，严重影响了多源图像的视觉效果，甚至影响了正常识别。因此，去除多源图像中的噪...

17

3.1.1 噪声分析

目前，在多源图像系统中，扫描多维图像转换为一维信号，再进行存储、传输、转换和处理，最后通过信号的重组，变成多维图像信号输出。与此同时，多源图像中携带的图像噪声也...

18

3.1.2 常用的图像去噪方法

多源图像经常使用的消噪方式有空间域去噪和变换域去噪。空间域去噪方法是原图像上的像素对灰度值进行数据运算操作。这种数据运算又包含点运算和局部运算。点运算是像素点逐...

19

3.1.3 几种较新的去噪方法

多源图像的去噪方法有许多种，但是随着新问题的不断出现而使学者们研究出了许多新的去噪方法。例如，基于阈值的小波变换的去噪方法、基于模糊加权均值的去噪方法、基于形态...

20

3.2 多源图像的平滑

由于本书采用的分水岭算法在分割过程中会出现很微小琐碎、无语义学含义的分割的小区域，因此，为了克服分水岭初始分割的区域数众多的弊端，本章采用图像平滑算法对去噪后的...

21

3.2.1 均值平滑法

均值平滑法是求图像中像素的平均，设图像f（x，y）是N×N的阵列，图像g（x，y）是平滑后的图像，并且包括（x，y）限定邻域的一些像素灰度级的均值确定平滑操作后...

22

3.2.2 邻域平均法

均值平滑法是最常用的线性平滑方法，它的3×3的模板系数均为1，当对此模板的输出响应除以9再平滑图像时，这种方法被称为邻域平均法。邻域平均法通常采用全部系数都取一...

23

3.2.3 加权平均法

加权平均法的基本原理是将参与平均的像素赋予不同的权重。一般情况下依据距离待处理像素的远近确定权值或依据与待处理像素的灰度值的接近程度确定权值。当图像中的像素距离...

24

3.2.4 选择式掩模平滑法

由于均值平滑法、邻域平均法在平滑时，均存在由平均化引起的尖锐边缘和轮廓线条模糊的缺陷；而加权平均法又受很多牵制因素的影响，因此研究一种自适应的局部平滑算法显得尤...

25

3.3 多源图像的滤波

本书选用分水岭算法对多源图像实施分割操作，而分水岭算法要求梯度图像输入，因此本章已经采用基于形态学开闭运算的预处理将多源图像转变成梯度图像，但是这种载入的梯度图...

26

3.3.1 低通滤波

低通滤波的原理是去除傅里叶变换中所有高频成分，即通低频、阻高频，保留有用的低频信息。其原理框图如图3-5所示。图中，f（x，y）为原始图像，F（u，v）为经过傅...

27

3.3.2 高通滤波

高通滤波的原理是衰减甚至截断大部分的低频成分，保留高频成分，即通高频、阻低频。高通滤波的实质是某一邻域内像素灰度值的平均值被每一个像素灰度值减去，若这个像素是目...

28

3.3.3 中值滤波

中值滤波是一种邻域运算，是通过邻域像素进行排序并取它们的中值来确定中心像素灰度的一种处理方法。它首先选择某个像素为中心点的邻域，再对此邻域像素的灰度值实施排序操...

29

3.3.4 维纳滤波

维纳滤波的基本思想是通过估计每个像素的局部邻域的均值和方差来完成滤波的目的，具体地，它将图像中的噪声和有用信息均看作是随机信号，并在分析统计的基础上对随机信号采...

30

3.4 本章小结

本章主要介绍了对多源图像的图像预处理过程，主要包括：多源图像的去噪、平滑以及滤波。首先，介绍了多源图像的去噪处理，例如，对多源图像的噪声分析、多源图像的几种常用...

《智能信息融合与目标识别方法》简介

前言

目录

第1章绪论

1.1 概述

1.2 研究现状

第2章特征级融合目标识别的基本理论

2.1 信息融合目标识别结构

2.2 特征级融合目标识别系统基本结构

2.3 特征级融合目标识别的关键问题分析

2.3.1 特征数据库

2.3.2 特征提取

2.3.3 特征融合

2.3.4 目标识别

2.4 本章小结

第3章多源图像的预处理

3.1 多源图像的去噪

3.1.1 噪声分析

3.1.2 常用的图像去噪方法

3.1.3 几种较新的去噪方法

3.2 多源图像的平滑

3.2.1 均值平滑法

3.2.2 邻域平均法

3.2.3 加权平均法

3.2.4 选择式掩模平滑法

3.3 多源图像的滤波

3.3.1 低通滤波

3.3.2 高通滤波

3.3.3 中值滤波

3.3.4 维纳滤波

3.4 本章小结

《智能信息融合与目标识别方法》简介

前言

目录

第1章 绪论

1.1 概述

1.2 研究现状

第2章 特征级融合目标识别的基本理论

2.1 信息融合目标识别结构

2.2 特征级融合目标识别系统基本结构

2.3 特征级融合目标识别的关键问题分析

2.3.1 特征数据库

2.3.2 特征提取

2.3.3 特征融合

2.3.4 目标识别

2.4 本章小结

第3章 多源图像的预处理

3.1 多源图像的去噪

3.1.1 噪声分析

3.1.2 常用的图像去噪方法

3.1.3 几种较新的去噪方法

3.2 多源图像的平滑

3.2.1 均值平滑法

3.2.2 邻域平均法

3.2.3 加权平均法

3.2.4 选择式掩模平滑法

3.3 多源图像的滤波

3.3.1 低通滤波

3.3.2 高通滤波

3.3.3 中值滤波

3.3.4 维纳滤波

3.4 本章小结

第1章绪论

第2章特征级融合目标识别的基本理论

第3章多源图像的预处理