目錄
前言
第1章 緒論 1
1.1 引言 1
1.2 紅外成像制導(dǎo)圖像處理的關(guān)鍵技術(shù)及研究現(xiàn)狀 2
1.3 本書(shū)的主要理論依據(jù) 8
1.4 本書(shū)的結(jié)構(gòu)和內(nèi)容安排 10
參考文獻(xiàn) 11
第2章 紅外導(dǎo)引系統(tǒng)概述 15
2.1 引言 15
2.2 紅外導(dǎo)引系統(tǒng)發(fā)展概況 15
2.2.1 紅外導(dǎo)引系統(tǒng)發(fā)展簡(jiǎn)史 15
2.2.2 主要發(fā)展階段 16
2.2.3 國(guó)外紅外導(dǎo)引系統(tǒng)發(fā)展 17
2.2.4 我國(guó)紅外導(dǎo)引系統(tǒng)發(fā)展 19
2.3 紅外導(dǎo)引系統(tǒng)功能 19
2.4 紅外導(dǎo)引系統(tǒng)的基本構(gòu)成 21
2.4.1 紅外探測(cè)系統(tǒng) 21
2.4.2 跟蹤穩(wěn)定系統(tǒng) 22
2.4.3 目標(biāo)信號(hào)處理系統(tǒng) 22
2.4.4 導(dǎo)引信號(hào)形成系統(tǒng) 23
2.5 常用紅外成像制導(dǎo)圖像處理技術(shù) 23
2.5.1 圖像預(yù)處理 24
2.5.2 圖像分辜 26
2.5.3 特征提取 28
2.5.4 目標(biāo)只另 29
2.5.5 目標(biāo)跟蹤 32
2.5.6 誤差信號(hào)提取 36
2.6 圖像處理計(jì)算機(jī) 36
2.6.1 關(guān)鍵器件選擇 36
2.6.2 系統(tǒng)結(jié)構(gòu)設(shè)計(jì) 37
2.7 小結(jié) 38
參考文獻(xiàn) 38
第3章紅外成像制導(dǎo)中的圖像降噪和增強(qiáng) 39
3.1 引言 39
3.2 小波變換理論 39
3.2.1 小波變換概念 39
3.2.2 多分辨率分析 41
3.2.3 Ma11at算法和圖像的離散小波變換 43
3.3 基于最大后驗(yàn)概率準(zhǔn)則的小波域降噪和增強(qiáng)算法 46
3.3.1 常用的小波域降嗓算法 46
3.3.2 MAP準(zhǔn)則下小波系數(shù)萎縮因子的確定 48
3.3.3 小波系數(shù)萎縮因子的修正 49
3.3.4 最大后驗(yàn)概率準(zhǔn)則降嗓過(guò)程描述 50
3.3.5 仿真與分析 50
3.4 C0nt0ur1et變換理論 54
3.4.1 拉普拉斯全字塔 55
3.4.2 方向?yàn)V波器組 56
3.4.3 C0nt0ur1et變換過(guò)程 58
3.5 C0nt0ur1et域圖像降噪和增強(qiáng)算法 59
3.5.1 最大后驗(yàn)概率準(zhǔn)則的 C0nt0ur1et域推廣 59
3.5.2 C0nt0ur1et域降嗓過(guò)程 60
3.5.3 仿真與分析 61
3.6 非下采樣 C0nt0ur1et變換理論 66
3.7 非下采樣 C0nt0ur1et域混合統(tǒng)計(jì)模型紅外圖像降噪 66
3.7.1 非下采樣 C0nt0ur1et域混合統(tǒng)計(jì)圖像降嗓模型 66
3.7.2 算法流程 67
3.7.3 實(shí)驗(yàn)與分析 68
3.8 小結(jié) 71
參考文獻(xiàn) 72
第4章紅外成像制導(dǎo)中的圖像分割 74
4.1 引言 74
4.2 基于模糊理論的圖像處理 74
4.3 模糊C 均值聚類(lèi)圖像分割 77
4.4 基于鄰域加權(quán)的模糊C 均值聚類(lèi)分割 79
4.4.1 初始聚類(lèi)中心的確定 79
4.4.2 圖像鄰域空間信息的利用 79
4.4.3 基于樣本加權(quán)的模糊C 均值聚類(lèi)算法 80
4.4.4 算法過(guò)程 81
4.4.5 仿真與分析 82
4.5 基于核距離鄰域加權(quán)的模糊C 均值聚類(lèi)分割 86
4.5.1 算法原理 86
4.5.2 仿真與分析 88
4.6 紅外圖像雙闊值分割算法 88
4.6.1 利用最大類(lèi)間方差法的雙閱值分割 89
4.6.2 基于峰值合并的多閱值提取及其改進(jìn) 91
4.6.3 閱值范圍的選取 92
4.7 加力紅外目標(biāo)圖像的分割算法 93
4.7.1 邊緣提取算法及選擇 93
4.7.2 基于邊緣和子區(qū)域分割算法 95
4.8 區(qū)域選擇與填充 96
4.9 紅外圖像序列的分割 98
4.10 小結(jié) 99
參考文獻(xiàn) 99
第5章紅外成像制導(dǎo)中的弱小運(yùn)動(dòng)目標(biāo)檢測(cè) 101
5.1 引言 101
5.2 紅外弱小目標(biāo)圖像序列模型 102
5.3 基于尺度間系數(shù)相關(guān)性的小波域小目標(biāo)檢測(cè) 104
5.3.1 噪聲、背景和目標(biāo)的小波系數(shù)特性分析 104
5.3.2 尺度間歸一化相關(guān)系數(shù)的計(jì)算及閱值設(shè)定 105
5.3.3 考慮小目標(biāo)面積的單幀圖像分割 106
5.3.4 管道濾波序列圖像檢測(cè) 106
5.3.5 算法過(guò)程 107
5.3.6 仿真與分析 107
5.4 基于小波高頻系數(shù)直接映射的小目標(biāo)檢測(cè) 110
5.4.1 基于系數(shù)能量的背景抑制 111
5.4.2 小波高頻系數(shù)線性映射及關(guān)聯(lián) 111
5.4.3 算法過(guò)程 112
5.4.4 仿真與分析 113
5.5 基于尺度間相關(guān)性的非下采樣 C0nt0ur1et變換小目標(biāo)檢測(cè) 117
5.5.1 紅外小目標(biāo)圖像的非下采樣 C0nt0ur1et變換 117
5.5.2 小波域尺度問(wèn)系數(shù)相關(guān)性到非下采樣 C0nt0ur1et域的推廣 118
5.5.3 算法過(guò)程 118
5.5.4 仿真與分析 119
5.6 基于高頻能量像的非下采樣 C0nt0ur1et變換小目標(biāo)檢測(cè) 121
5.6.1 紅外復(fù)雜背景抑制 122
5.6.2 BP神經(jīng)網(wǎng)絡(luò)小目標(biāo)檢測(cè) 124
5.6.3 實(shí)驗(yàn)與分析 124
5.7 一種基于非下采樣 C0nt0ur1et變換和二維屬性直方圖最大腦分割的紅外空中小目標(biāo)檢測(cè) 129
5.7.1 非下采樣 C0nt0ur1et域紅外復(fù)雜背景抑制 130
5.7.2 基于二維屬性直方圖最大娟的紅外小目標(biāo)圖像分割 130
5.7.3 算法步驟 133
5.7.4 實(shí)驗(yàn)與分析 133
5.8 基于幀間累加與 SUSAN 算子的小目標(biāo)檢測(cè) 141
5.8.1 基于巴特沃忠高通濾波的背景抑制 141
5.8.2 相鄰幀問(wèn)的灰度膨脹累加 142
5.8.3 基于 SUSAN 算子的小目標(biāo)檢測(cè) 143
5.9 紅外弱小目標(biāo)檢測(cè)過(guò)程的理論分析 145
5.9.1 理論推導(dǎo)所用到的假設(shè)檢驗(yàn)理論 145
5.9.2 檢測(cè)概率與虛警概率指標(biāo)分析 146
5.10 小結(jié) 152 參考文獻(xiàn) 152
第6章紅外成像制導(dǎo)中的運(yùn)動(dòng)目標(biāo)跟蹤 155
6.1 引言 155
6.2 運(yùn)動(dòng)目標(biāo)跟蹤基礎(chǔ)理論
6.2.1 貝葉斯濾波理論 156 156
6.2.2 卡爾曼濾波器 157
6.2.3 粒子濾波理論 158
6.3 圖像跟蹤所用到的視覺(jué)特征 162
6.4 基于遺傳重采樣的粒子濾波目標(biāo)跟蹤方法 163
6.4.1 粒子濾波算法存在問(wèn)題 163
6.4.2 利用遺傳算法進(jìn)行粒子重采樣163
6.4.3 遺傳重采樣粒子濾波算法過(guò)程164
6.4.4 仿真與分析 165
6.5 紅外飛機(jī)目標(biāo)溢出視場(chǎng)后關(guān)鍵攻擊部位跟蹤 170
6.5.1 目標(biāo)溢出視場(chǎng)的判斷準(zhǔn)則 171
6.5.2 局部跟蹤點(diǎn)的選擇和關(guān)鍵攻擊部位的確定 172
6.6 小結(jié) 173
參考文獻(xiàn) 174
第7章紅外成像制導(dǎo)中的目標(biāo)識(shí)別 176
7.1 引言 176
7.2 目標(biāo)分類(lèi)與識(shí)別的特征概述 177
7.2.1 目標(biāo)識(shí)別的常用圖像特征 178
7.2.2 不變性特征的基本概念 180
7.2.3 目標(biāo)不變性特征選擇 180
7.3 飛機(jī)目標(biāo)及其背景的紅外特性 181
7.3.1 飛機(jī)的紅外特性 181
7.3.2 背景輻射 183
7.4 紅外飛機(jī)目標(biāo)飛行姿態(tài)的判別 183
7.4.1 目標(biāo)幾何不變矩特征提取 184
7.4.2 目標(biāo)歸一化轉(zhuǎn)動(dòng)慣量及組合矩特征提取 185
7.4.3 飛行姿態(tài)的判別 186
7.5 基于飛行姿態(tài)的飛機(jī)關(guān)鍵攻擊部位選擇 188
7.5.1 機(jī)軸與機(jī)翼的判定 188
7.5.2 利用幾何關(guān)系計(jì)算駕駛艙關(guān)鍵攻擊部位 189
7.5.3 發(fā)動(dòng)機(jī)關(guān)鍵攻擊部位標(biāo)定190
7.5.4 序列圖像的關(guān)鍵部位識(shí)別 191
7.6 基于亞像素技術(shù)的紅外目標(biāo)定位191
7.6.1 亞像素定位技術(shù) 192
7.6.2 遠(yuǎn)距離紅外目標(biāo)的亞像素定位 193
7.6.3 有形狀紅外目標(biāo)的亞像素定位 195
7.7 成像段制導(dǎo)信息的獲取 200
7.8 小結(jié) 201
參考文獻(xiàn) 202
第8章紅外成像制導(dǎo)圖像處理的加速技術(shù) 204
8.1 引言 204
8.2 利用單指令流多數(shù)據(jù)流指令集加速紅外圖像處理算法 205
8.2.1 S1MD 指令集概述 206
8.2.2 利用 S1MD 指令加速紅外圖像處理算法 208
8.2.3 基于 S1MD 硬件指令加速的并行光線跟蹤算法 211
8.3 利用多核技術(shù)加速紅外圖像處理算法 217
8.3.1 多核多線程技術(shù) 217
8.3.2 0penMP多線程編程 219
8.4 基于圖形處理器的紅外圖像處理算法加速221
8.4.1 GPU 通用計(jì)算模型 223
8.4.2 利用 GPU 加速的小波變換 225
8.4.3 利用 GPU 加速的 FCM 聚類(lèi)算法 231
8.4.4 利用 GPU 加速的粒子濾波算法 235
8.5 小結(jié) 239
參考文獻(xiàn) 239