红外图像处理、分析与融合(李俊山-杨威-张雄美著)课件模板

红外图像处理、分析与融合(李俊山，杨威，张雄美著)演讲人202x-11-1101.02.03.04.目录前言第一篇红外图像的目标特性第二篇红外图像景象匹配第三篇红外目标识别与跟踪01前言前言

02第一篇红外图像的目标特性第1章红外成像原理与红外图像特征1.1红外辐射基本理论1.2红外成像原理1.3红外图像的基本特征1.4军用红外小目标和背景的辐射特性1.1红外辐射基本理论1.1.1红外辐射与红外光谱1.1.2红外辐射的传输与衰减1.1.3红外辐射基本定律第1章红外成像原理与红外图像特征1.2红外成像原理1.2.1红外成像基本原理1.2.2红外成像系统的特点1.2.3红外探测器第1章红外成像原理与红外图像特征1.3红外图像的基本特征1.3.1红外图像的特点1.3.2红外图像与可见光图像的区别第1章红外成像原理与红外图像特征1.4军用红外小目标和背景的辐射特性1.4.1军用红外小目标的红外辐射特性1.4.2红外目标背景的红外辐射特性第1章红外成像原理与红外图像特征03第二篇红外图像景象匹配第2章景象匹配区选取2.1典型的可匹配性检验参数分析2.2基于红外实时图的光学基准图选取2.3基准图选取控制策略2.4基于并行遗传算法的图像自匹配系数的快速计算方法2.2基于红外实时图的光学基准图选取2.2.1基于典型的可匹配性检验参数准则的基准图选取2.2.2仿真实验与结果分析第2章景象匹配区选取2.3基准图选取控制策略2.3.1景象匹配区相关面特征的概念2.3.2最高峰尖锐度计算方法2.3.3景象匹配区相关面特征准则的验证第2章景象匹配区选取2.4基于并行遗传算法的图像自匹配系数的快速计算方法2.4.1混沌优化方法2.4.2基于pga的图像自匹配系数的快速计算2.4.3仿真实验及算法性能分析2.4.2基于PGA的图像自匹配系数的快速计算2.4.3仿真实验及算法性能分析第2章景象匹配区选取第3章基于遗传算法的灰度相关匹配3.1典型的灰度相似性算法分析3.2基于遗传优化的灰度相关匹配算法3.3基于混合遗传算法的灰度相关匹配算法3.4基于遗传算法的分层快速匹配算法3.2基于遗传优化的灰度相关匹配算法3.2.1基于遗传优化的灰度相关匹配算法设计3.2.2仿真实验3.2.3实验结果与分析第3章基于遗传算法的灰度相关匹配3.3基于混合遗传算法的灰度相关匹配算法3.3.1混沌遗传优化组合方法研究3.3.2快速匹配算法的设计3.3.3实验及算法性能分析第3章基于遗传算法的灰度相关匹配3.4基于遗传算法的分层快速匹配算法3.4.1算法控制策略设计3.4.2旋转实时图像的坐标变换3.4.3匹配算法的实现第3章基于遗传算法的灰度相关匹配第4章基于hausdorff距离的边缘特征匹配4.1部分hausdorff距离与景象匹配4.2基于lts-hd的景象匹配加速技术4.3基于lts-hd的边缘特征快速匹配算法4.4基于进化策略的边缘特征匹配算法4.5基于边缘金字塔结构的边缘特征匹配算法4.2基于LTS-HD的景象匹配加速技术4.3基于LTS-HD的边缘特征快速匹配算法4.4基于进化策略的边缘特征匹配算法4.5基于边缘金字塔结构的边缘特征匹配算法4.1部分hausdorff距离与景象匹配4.1.1hausdorff距离4.1.2部分hausdorff距离4.1.3基于平均距离值的部分hausdorff距离4.1.4改进的部分hausdorff距离4.1.2部分Hausdorff距离4.1.3基于平均距离值的部分Hausdorff距离4.1.4改进的部分Hausdorff距离第4章基于hausdorff距离的边缘特征匹配4.2基于lts-hd的景象匹配加速技术4.2.1邻域排除法4.2.2扫描终止法4.2.3前向跳跃法第4章基于hausdorff距离的边缘特征匹配4.3基于lts-hd的边缘特征快速匹配算法4.3.1hausdorff距离的变换4.3.2基于lts-hd的快速景象匹配算法设计4.3.3实验结果与分析4.3.2基于LTS-HD的快速景象匹配算法设计4.3.3实验结果与分析第4章基于hausdorff距离的边缘特征匹配4.4基于进化策略的边缘特征匹配算法4.4.1进化策略的算法模型4.4.2进化策略的改进措施4.4.3进化策略与lts-hd结合的匹配算法4.4.4实验结果与分析4.4.2进化策略的改进措施4.4.3进化策略与LTS-HD结合的匹配算法4.4.4实验结果与分析第4章基于hausdorff距离的边缘特征匹配4.5基于边缘金字塔结构的边缘特征匹配算法4.5.1边缘图像金字塔和距离图像金字塔4.5.2金字塔抽取模式和分解次数的自适应确定4.5.3边缘金字塔分解的lts0-hd距离匹配算法4.5.4仿真实验结果及分析4.5.2金字塔抽取模式和分解次数的自适应确定4.5.3边缘金字塔分解的LTS0-HD距离匹配算法4.5.4仿真实验结果及分析第4章基于hausdorff距离的边缘特征匹配第5章基于神经网络的景象匹配5.1bp神经网络5.3基于进化策略的bp神经网络匹配算法5.4基于像素环形排列的神经网络匹配算法5.3基于进化策略的BP神经网络匹配算法5.4基于像素环形排列的神经网络匹配算法5.1bp神经网络5.2.1bp神经网络匹配特征设计5.2.2景象匹配的bp神经网络结构设计5.2.3景象匹配的bp神经网络算法5.2.4算法性能分析5.2.2景象匹配的BP神经网络结构设计5.2.3景象匹配的BP神经网络算法5.2.4算法性能分析第5章基于神经网络的景象匹配5.3基于进化策略的bp神经网络匹配算法5.3.1传统bp算法的缺陷分析及以往的改进方法5.3.2改进的es与bp神经网络结合的关键技术5.3.3基于进化策略的bp神经网络匹配算法设计5.3.4仿真实验与结果分析5.3.2改进的ES与BP神经网络结合的关键技术5.3.3基于进化策略的BP神经网络匹配算法设计5.3.4仿真实验与结果分析第5章基于神经网络的景象匹配5.4基于像素环形排列的神经网络匹配算法5.4.1算法描述5.4.2仿真实验与结果分析第5章基于神经网络的景象匹配04第三篇红外目标识别与跟踪第6章红外小目标检测6.1.1dbt方法6.1.2tbd方法6.1.2TBD方法6.1红外小目标检测方法16.3.1数学形态学理论6.3.2基于数学形态学滤波的背景抑制6.3.3基于管道滤波的序列图像中运动小目标的检测6.3基于背景抑制和管道滤波的红外运动小目标检测36.2基于特征统计表决的小目标检测6.2.1特征提取6.2.2分层特征统计表决的小目标提取2第7章红外面目标检测7.1基于二维熵分割的红外面目标检测7.2基于变分水平集的红外面目标分割方法7.3基于时空联合的红外目标聚类提取方法7.1基于二维熵分割的红外面目标检测7.1.1信息熵7.1.2二维直方图7.1.3二维熵分割算法7.1.4快速二维熵分割算法7.1.5实验结果及算法性能分析第7章红外面目标检测7.2基于变分水平集的红外面目标分割方法7.2.1曲线演化和水平集方法7.2.2c-v模型7.2.3改进c-v模型的红外图像分割方法7.2.4实验结果及分析7.2.2C-V模型7.2.3改进C-V模型的红外图像分割方法7.2.4实验结果及分析第7章红外面目标检测7.3基于时空联合的红外目标聚类提取方法7.3.1时域分割7.3.2空域分割7.3.3实验结果及分析第7章红外面目标检测8.1基于贝叶斯滤波的目标跟踪8.2粒子滤波方法8.3基于粒子群优化的辅助粒子滤波跟踪方法第8章基于粒子滤波的红外目标跟踪8.2粒子滤波方法8.2.1蒙特卡罗原理8.2.2序贯重要性采样8.2.3重采样8.2.4粒子滤波算法8.2.4粒子滤波算法第8章基于粒子滤波的红外目标跟踪8.3基于粒子群优化的辅助粒子滤波跟踪方法8.3.1辅助粒子滤波8.3.2粒子群优化8.3.3跟踪算法8.3.4实验结果及分析第8章基于粒子滤波的红外目标跟踪9.1均值漂移理论9.2基于均值漂移和特征匹配的红外目标跟踪9.3基于改进均值漂移算法的红外面目标跟踪第四篇红外图像融合第9章基于均值漂移的红外目标跟踪9.1均值漂移理论9.1.1核密度估计9.1.2均值漂移第9章基于均值漂移的红外目标跟踪9.2基于均值漂移和特征匹配的红外目标跟踪9.2.1基于均值漂移的红外目标跟踪9.2.2红外目标的特征匹配修正定位9.2.3实验结果及分析第9章基于均值漂移的红外目标跟踪9.3基于改进均值漂移算法的红外面目标跟踪9.3.1跟踪模型9.3.2跟踪方法9.3.3核半径的自动更新9.3.4跟踪流程9.3.5实验结果第9章基于均值漂移的红外目标跟踪10.1多分辨率图像融合规则10.2基于金字塔分解的图像融合10.3基于小波变换的图像融合10.4基于contourlet变换的图像融合10.2基于金字塔分解的图像融合10.3基于小波变换的图像融合10.4基于Contourlet变换的图像融合第10章多分辨率图像融合10.1多分辨率图像融合规则10.1.1基于像素的融合规则10.1.2基于区域的融合规则第10章多分辨率图像融合10.2基于金字塔分解的图像融合10.2.1基于laplace金字塔分解的图像融合10.2.2基于对比度金字塔分解的图像融合10.2.3实验结果及分析10.2.2基于对比度金字塔分解的图像融合10.2.3实验结果及分析第10章多分辨率图像融合10.3基于小波变换的图像融合10.3.1连续小波变换10.3.2用于图像处理的离散小波变换10.3.3基于小波变换的图像融合方法与意义10.3.4实验结果及分析第10章多分辨率图像融合10.4基于contourlet变换的图像融合10.4.1contourlet变换10.4.2基于contourlet变换的图像融合方法10.4.3实验结果及分析10.4.2基于Contourlet变换的图像融合方法10.4.3实验结果及分析第10章多分辨率图像融合第11章非子采样轮廓波变换及其改进11.1非子采样轮廓波变换11.2非子采样轮廓波变换的改进11.3图像融合实验及分析11.1非子采样轮廓波变换11.1.1非子采样金字塔11.1.2非子采样方向滤波器组11.1.3非子采样滤波器组第11章非子采样轮廓波变换及其改进11.2非子采样轮廓波变换的改进11.2.1不可分离小波变换11.2.2平移不变的nswt11.2.3基于平移不变nswt的多尺度方向分析11.2.2平移不变的NSWT11.2.3基于平移不变NSWT的多尺度方向分析第11章非子采样轮廓波变换及其改进11.3图像融合实验及分析11.3.1多聚焦图像融合实验11.3.2畸变图像融合实验11.3.3微光夜视与前视红外图像融合实验第11章非子采样轮廓波变换及其改进c12.3基于nswmda的综合融合框架b12.2基于nswmda的层间融合框架d12.4实验结果及分析a12.1基于nswmda的层内融合框架第三篇红外目标识别与跟踪第12章基于nswmda的自适应图像融合框架第13章图像融合效果评价13.1基于单个图像统计特征的评价方法13.2基于误差灵敏度的评价方法13.3基于结构信息传递量的评价方法13.4基于梯度的融合图像质量评价方法13.5实验结果及分析13.1基于单个图像统计