前言
篇 紅外圖像的目標(biāo)特性
　第1章 紅外成像原理與紅外圖像特征
　1.1 紅外輻射基本理論
　1.1.1 紅外輻射與紅外光譜
　1.1.2 紅外輻射的傳輸與衰減
　1.1.3 紅外輻射基本定律
　 1.2 紅外成像原理
　1.2.1 紅外成像基本原理
　1.2.2 紅外成像系統(tǒng)的特點(diǎn)
　1.2.3 紅外探測器
　1.3 紅外圖像的基本特征
　1.3.1 紅外圖像的特點(diǎn)
　1.3.2 紅外圖像與可見光圖像的區(qū)別
　 1.4 軍用紅外小目標(biāo)和背景的輻射特性
　1.4.1 軍用紅外小目標(biāo)的紅外輻射特性
　1.4.2 紅外目標(biāo)背景的紅外輻射特性
第二篇 紅外圖像景象匹配
　第2章 景象匹配區(qū)選取
　2.1 典型的可匹配性檢驗(yàn)參數(shù)分析
　 2.2 基于紅外實(shí)時圖的光學(xué)基準(zhǔn)圖選取
　2.2.1 基于典型的可匹配性檢驗(yàn)參數(shù)準(zhǔn)則的基準(zhǔn)圖選取
　2.2.2 仿真實(shí)驗(yàn)與結(jié)果分析
　2.3 基準(zhǔn)圖選取控制策略
　2.3.1 景象匹配區(qū)相關(guān)面特征的概念
　2.3.2 峰尖銳度計(jì)算方法
　2.3.3 景象匹配區(qū)相關(guān)面特征準(zhǔn)則的驗(yàn)證
　 2.4 基于并行遺傳算法的圖像自匹配系數(shù)的快速計(jì)算方法
　2.4.1 混沌優(yōu)化方法
　2.4.2 基于PGA的圖像自匹配系數(shù)的快速計(jì)算
　2.4.3 仿真實(shí)驗(yàn)及算法性能分析
　第3章 基于遺傳算法的灰度相關(guān)匹配
　3.1 典型的灰度相似性算法分析
　 3.2 基于遺傳優(yōu)化的灰度相關(guān)匹配算法
　3.2.1 基于遺傳優(yōu)化的灰度相關(guān)匹配算法設(shè)計(jì)
　3.2.2 仿真實(shí)驗(yàn)
　3.2.3 實(shí)驗(yàn)結(jié)果與分析
　3.3 基于混合遺傳算法的灰度相關(guān)匹配算法
　3.3.1 混沌遺傳優(yōu)化組合方法研究
　3.3.2 快速匹配算法的設(shè)計(jì)
　3.3.3 實(shí)驗(yàn)及算法性能分析
　 3.4 基于遺傳算法的分層快速匹配算法
　3.4.1 算法控制策略設(shè)計(jì)
　3.4.2 旋轉(zhuǎn)實(shí)時圖像的坐標(biāo)變換
　3.4.3 匹配算法的實(shí)觀
　3.4.4 仿真實(shí)驗(yàn)結(jié)果及分析
　第4章 基于HauSdorff距離的邊緣特征匹配
　4.1 部分HauSdorff距離與景象匹配
　4.1.1 Hausdorff距離
　4.1.2 部分Hausdorff距離
　4.1.3 基于平均距離直的部分Hausdorff距離
　4.1.4 改進(jìn)的部分Hausdorff距離
　 4.2 基于LTS-HD的景象匹配加速技術(shù)
　4.2.1 鄰域排除法
　4.2.2 掃描終止法
　4.2.3 前向跳躍法
　4.3 基于LTS-HD的邊緣特征快速匹配算法
　4.3.1 Hausdorff距離的變換
　4.3.2 基于LTS-HD的快速景象匹配算法設(shè)計(jì)
　4.3.3 實(shí)驗(yàn)結(jié)果與分析
　 4.4 基于進(jìn)化策略的邊緣特征匹配算法
　4.4.1 進(jìn)化策略的算法模型
　4.4.2 進(jìn)化策略的改進(jìn)措施
　4.4.3 進(jìn)化策略與LTS-HD結(jié)合的匹配算法
　4.4.4 實(shí)驗(yàn)結(jié)果與分析
　4.5 基于邊緣金字塔結(jié)構(gòu)的邊緣特征匹配算法
　4.5.1 邊緣圖像金字塔和距離圖像金字塔
　4.5.2 金字塔抽取模式和分解次數(shù)的自適應(yīng)確定
　4.5.3 邊緣金字塔分解的LTS-HD距離匹配算法
　4.5.4 仿真實(shí)驗(yàn)結(jié)果及分析
　第5章 基于神經(jīng)網(wǎng)絡(luò)的景象匹配
　5.1 BP神經(jīng)網(wǎng)絡(luò)
　 5.2 基于BP神經(jīng)網(wǎng)絡(luò)的景象匹配設(shè)計(jì)
　5.2.1 BP神經(jīng)網(wǎng)絡(luò)匹配特征設(shè)計(jì)
　5.2.2 景象匹配的BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計(jì)
　5.2.3 景象匹配的BP神經(jīng)網(wǎng)絡(luò)算法
　5.2.4 算法性能分析
　5.3 基于進(jìn)化策略的BP神經(jīng)網(wǎng)絡(luò)匹配算法
　5.3.1 傳統(tǒng)BP算法的缺陷分析及以往的改進(jìn)方法
　5.3.2 改進(jìn)的ES與BP神經(jīng)網(wǎng)絡(luò)結(jié)合的關(guān)鍵技術(shù)
　5.3.3 基于進(jìn)化策略的BP神經(jīng)網(wǎng)絡(luò)匹配算法設(shè)計(jì)
　5.3.4 仿真實(shí)驗(yàn)與結(jié)果分析
　 5.4 基于像素環(huán)形排列的神經(jīng)網(wǎng)絡(luò)匹配算法
　5.4.1 算法描述
　5.4.2 仿真實(shí)驗(yàn)與結(jié)果分析
第三篇 紅外目標(biāo)識別與艱蹤
　第6章 紅外小目標(biāo)檢測
　第7章 紅外面目標(biāo)檢測
　第8章 基于粒子濾波的紅外目標(biāo)跟蹤
　第9章 基于均值漂移的紅外目標(biāo)跟蹤
第四篇 紅外圖像融合
　第10章 多分辨率圖像融合
　第11章 非子采樣輪廓波變換及其改進(jìn)
　第12章 基于NSWMDA的自適應(yīng)圖像融合框架
　第13章 圖像融合效果評價
參考文獻(xiàn)