基本信息
编辑推荐
适读人群 ：人工智能研究者、图像识别研究者、信息融合技术人员，以及高等院校相关专业师生
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。
从基本的原理出发，对目标识别和图像识别技术进行详述，给出应用实例。
对信息融合技术进行了讨论。
内容简介
《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。
目录
前言
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
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
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.用以实现对目标的全天候、全方位、多角度的有效识别与追踪.单一传感器的工作环境正变得日益复杂.如遇到移动、遮挡、缩放和旋转的目标时.需要通过利用多传感器来同时获取目标多方位特征.对其进行有效的融合分析.从而能够实现对目标的识别.
目前.多传感器信息融合大多被应用在模式识别、目标跟踪等方面.同时在交通、网络安全、工业、军事和生物医学等领域也有着非常好的应用前景.在传统的目标识别系统中.由于技术局限、环境复杂度不高和工作要求低.一般都以单一传感器来获取数据.所以获得目标或场景的信息一般都是片面的.并且受一定的光线和环境影响导致了精确度低.
为此人们提出了基于多传感器多特征的目标识别方法.本书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.最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实现、基于模糊支持向量机的识别系统实现.
本书由胡玉兰、郝博、王东明、郝伟光、秦丽娟、胡南南、李芳着.本书的研究工作得到了国家自然科学基金面上项目(项目号:６１３７３０８９)的资助.作者在此表示诚挚的感谢.同时感谢机械工业出版社参加本书出版工作的同志们的大力支持与帮助.
信息融合目标识别技术目前仍处于不断发展的阶段.许多理论和算法还不够完善.加之作者水平所限.书中难免有疏漏之处.恳请广大读者批评指正。
作者
目前.多传感器信息融合大多被应用在模式识别、目标跟踪等方面.同时在交通、网络安全、工业、军事和生物医学等领域也有着非常好的应用前景.在传统的目标识别系统中.由于技术局限、环境复杂度不高和工作要求低.一般都以单一传感器来获取数据.所以获得目标或场景的信息一般都是片面的.并且受一定的光线和环境影响导致了精确度低.
为此人们提出了基于多传感器多特征的目标识别方法.本书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.最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实现、基于模糊支持向量机的识别系统实现.
本书由胡玉兰、郝博、王东明、郝伟光、秦丽娟、胡南南、李芳着.本书的研究工作得到了国家自然科学基金面上项目(项目号:６１３７３０８９)的资助.作者在此表示诚挚的感谢.同时感谢机械工业出版社参加本书出版工作的同志们的大力支持与帮助.
信息融合目标识别技术目前仍处于不断发展的阶段.许多理论和算法还不够完善.加之作者水平所限.书中难免有疏漏之处.恳请广大读者批评指正。
作者
