本書是一本探討卷積神經網絡在圖像融合、識別任務上應用的專業(yè)著作，旨在為讀者提供全面而實用的知識體系，使其能夠深入理解圖像融合與識別的原理和實現(xiàn)，并應用于各個領域。本書涵蓋了從卷積神經網絡基礎概念到圖像融合、識別前沿技術的全面內容，并詳細介紹了著者自身的研究成果。本書共8章，主要包括：圖像融合與目標識別的目的、意義、基本概念、技術指標和研究歷史及現(xiàn)狀，卷積神經網絡，特征表示學習的多源圖像融合，多域特征對齊的多源圖像融合，小樣本遙感目標識別，復雜樣本分布的遙感目標識別，圖像融合和目標識別的實際應用，以及回顧、建議與展望。
目 錄
第1章 緒論 1
1.1 圖像非聚焦模糊處理的目的和意義 1
1.2 圖像非聚焦模糊處理中的相關基本概念 2
1.2.1 非聚焦模糊圖像的定義及類別 2
1.2.2 圖像非聚焦模糊智能處理中的深度學習技術 2
1.2.3 圖像非聚焦模糊智能處理 4
1.3 圖像非聚焦模糊處理的設計要求和評估指標 4
1.3.1 圖像非聚焦模糊處理的設計要求 4
1.3.2 圖像非聚焦模糊處理的評估指標 5
1.4 圖像非聚焦模糊處理技術的研究歷史及現(xiàn)狀 7
1.4.1 非聚焦模糊檢測 7
1.4.2 非聚焦模糊圖像去模糊 8
1.5 本書的研究范圍和概覽 9
參考文獻 11
第2章 多尺度特征學習的圖像非聚焦模糊檢測 14
2.1 引言 14
2.2 級聯(lián)映射殘差學習網絡 15
2.2.1 方法背景 15
2.2.2 級聯(lián)映射殘差學習模型 16
2.2.3 模型訓練 22
2.2.4 實驗 23
2.3 圖像尺度對稱協(xié)作網絡 30
2.3.1 方法背景 30
2.3.2 圖像尺度對稱協(xié)作模型 32
2.3.3 模型訓練 36
2.3.4 實驗 36
2.4 小結 42
參考文獻 42
第3章 深度集成學習的圖像非聚焦模糊檢測 46
3.1 引言 46
3.2 深度交叉集成網絡 46
3.2.1 方法背景 46
3.2.2 深度交叉集成網絡模型 48
3.2.3 模型訓練 52
3.2.4 實驗 52
3.3 自適應集成網絡 56
3.3.1 方法背景 56
3.3.2 自適應集成網絡模型 58
3.3.3 模型訓練 63
3.3.4 實驗 64
3.4 小結 69
參考文獻 70
第4章 強魯棒圖像的非聚焦模糊檢測 74
4.1 引言 74
4.2 多層級蒸餾學習的全場景非聚焦模糊檢測 74
4.2.1 方法背景 74
4.2.2 多層級蒸餾學習的全場景非聚焦模糊檢測模型 77
4.2.3 模型訓練 82
4.2.4 實驗 83
4.3 基于MRFT的非聚焦模糊檢測攻擊 89
4.3.1 方法背景 89
4.3.2 基于MRFT的非聚焦模糊檢測攻擊模型 90
4.3.3 模型訓練 94
4.3.4 實驗 95
4.4 小結 102
參考文獻 102
第5章 弱監(jiān)督學習的圖像非聚焦模糊檢測 106
5.1 引言 106
5.2 基于RCN的弱監(jiān)督焦點區(qū)域檢測 107
5.2.1 方法背景 107
5.2.2 RCN結構 109
5.2.3 模型訓練 112
5.2.4 實驗 112
5.3 基于雙對抗性鑒別器的自生成非聚焦模糊檢測 120
5.3.1 方法背景 120
5.3.2 雙對抗性鑒別器的網絡結構 122
5.3.3 模型訓練 124
5.3.4 實驗結果與分析 124
5.4 小結 128
參考文獻 128
第6章 弱監(jiān)督非聚焦圖像去模糊 132
6.1 引言 132
6.2 對抗促進學習的非聚焦去模糊 132
6.2.1 方法背景 132
6.2.2 對抗促進學習的非聚焦去模糊模型 134
6.2.3 模型訓練 138
6.2.4 實驗 138
6.3 非聚焦檢測攻擊的圖像去模糊 142
6.3.1 方法背景 142
6.3.2 圖像去模糊模型 144
6.3.3 模型訓練 146
6.3.4 實驗 148
6.4 小結 154
參考文獻 155
第7章 多聚焦圖像融合的非聚焦圖像去模糊 159
7.1 引言 159
7.2 聯(lián)合多級深度監(jiān)督卷積神經網絡 159
7.2.1 方法背景 159
7.2.2 多級深度監(jiān)督網絡模型 161
7.2.3 模型訓練 164
7.2.4 實驗 164
7.3 深度蒸餾多聚焦圖像融合網絡 172
7.3.1 方法背景 172
7.3.2 深度蒸餾多聚焦圖像融合框架 174
7.3.3 模型訓練 177
7.3.4 實驗 178
7.4 小結 182
參考文獻 183
第8章 圖像非聚焦模糊智能處理的實際應用 187
8.1 引言 187
8.2 圖像非聚焦模糊檢測的應用 187
8.2.1 自動對焦系統(tǒng) 187
8.2.2 計算攝影“人像模式” 190
8.2.3 圖片重定向 191
8.2.4 自動駕駛目標檢測 193
8.2.5 多孔材料缺陷檢測 194
8.3 非聚焦圖像去模糊的應用 195
8.3.1 視頻目標跟蹤系統(tǒng) 195
8.3.2 虛擬現(xiàn)實技術 196
8.3.3 無人探測設備應急救援系統(tǒng) 198
8.3.4 醫(yī)學內窺鏡系統(tǒng) 199
8.3.5 光學顯微鏡系統(tǒng) 200
8.4 小結 201
參考文獻 202
第9章 回顧、建議與展望 205
9.1 引言 205
9.2 研究成果回顧 205
9.2.1 非聚焦模糊檢測的研究成果 205
9.2.2 非聚焦圖像去模糊的研究成果 205
9.2.3 非聚焦圖像智能處理技術的應用 206
9.3 問題與建議 206
9.3.1 訓練數據集的制約問題 206
9.3.2 模型規(guī)模和計算開銷的問題 207
9.3.3 網絡模型的問題 207
9.4 研究方向展望 207
9.4.1 多任務結合的聯(lián)合訓練 207
9.4.2 通用性非聚焦模糊處理大模型 208
9.4.3 與前沿應用結合的特化研究 208
9.5 小結 2
書單推薦
