新書推薦：
《
鼻科学与前颅底手术——基于案例分析
》
售價：HK$
357.6
《
弗吉尼亚·伍尔夫传：作家的一生
》
售價：HK$
105.6
《
不胜欢喜
》
售價：HK$
63.4
《
现代欧洲史：1500—1815
》
售價：HK$
105.6
《
高颜值创意饮品：咖啡 茶饮 鸡尾酒 气泡水
》
售價：HK$
71.8
《
慢慢来，好戏都在烟火里
》
售價：HK$
59.8
《
一间自己的房间
》
售價：HK$
47.8
《
波段交易的高级技术：股票和期权交易者的资金管理、规则、策略和程序指南
》
售價：HK$
94.8
|
| 編輯推薦： |
|
作为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。本书则是从基本的原理出发对目标识别和图像识别技术进行了详述，并给出了相应的应用实例。难能可贵的是，本书对在进行目标识别时的信息融合技术进行了讨论，进一步丰富了本书内容。相信通过阅读本书，您能得到意想不到的收获！
|
| 內容簡介： |
|
《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。
|
| 目錄：
|
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
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
Ⅳ
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
Ⅴ
目录
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
Ⅵ
智能信息融合与目标识别方法
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
|
| 內容試閱：
|
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、李芳著. 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
|
|
購物車/收銀台(
0
) | 在線留言板
| 付款方式
| 運費計算
| 聯絡我們
| 幫助中心 |
加入書簽
HOME
新書上架
