●第1章概述1
1.1水下目標檢測與跟蹤的意義1
1.2目標檢測技術的研究現狀2
1.3目標跟蹤技術的研究現狀5
1.4基於圖理論的算法6
1.4.1基於圖方法的基本概念6
1.4.2圖的構造方法7
1.4.3基於圖方法在視頻跟蹤中的應用10
參考文獻11
第2章圖像預處理14
2.1引言14
2.2濾波算法簡述15
2.2.1平滑線性濾波15
2.2.2維納濾波16
2.2.3低通濾波17
2.2.4中值濾波18
2.2.5基於數學形態學的濾波19
2.2.6基於神經網絡的濾波19
2.2.7基於偏微分方程的濾波21
2.2.8基於小波變換的濾波22
2.3聲吶圖像灰度統計模型特性分析23
2.3.1聲吶圖像統計特性23
2.3.2統計模型描述24
2.3.3對比分析26
2.4基於偏微分方程的非線性擴散濾波算法28
2.4.1相干斑噪聲28
2.4.2非線性擴散濾波模型29
2.4.3算法改進31
2.4.4實驗研究34
2.5基於窗口選擇的自適應增強算法36
2.5.1窗口選擇37
2.5.2自適應窗口增強方法37
2.5.3實驗研究38
2.6小結40
參考文獻40
第3章聲吶圖像分割43
3.1引言43
3.2圖像分割算法簡述43
3.2.1閾值化圖像分割43
3.2.2邊緣檢測圖像分割44
3.2.3基於區域的分割45
3.2.4基於形態學分水嶺的分割46
3.3基於標記和模糊聚類的分水嶺聲吶圖像分割47
3.3.1分水嶺前處理及變換48
3.3.2基於粒子群算法的模糊聚類49
3.3.3實驗研究52
3.4基於自適應迭代閾值的聲吶圖像分割算法54
3.4.1算法描述54
3.4.2實驗研究55
3.5基於馬爾可夫隨機場的聲吶圖像分割算法55
3.5.1算法描述56
3.5.2實驗研究58
3.6基於哈爾小波變換的水下小型沉底人造目標分割算法60
3.6.1算法描述61
3.6.2二值化閾值63
3.6.3干擾抑制65
3.7小結67
參考文獻67
第4章目標檢測70
4.1引言70
4.2基於灰度統計量的檢測算法71
4.2.1算法描述71
4.2.2實驗研究73
4.3基於紋理特征的目標檢測算法79
4.3.1算法描述79
4.3.2實驗研究82
4.4基於幾何形狀特征的檢測算法86
4.4.1算法描述86
4.4.2實驗研究88
4.5基於灰度分布概率模型的檢測算法90
4.5.1參數特征檢測算法90
4.5.2信息熵檢測算法92
4.5.3實驗研究92
4.6基於殘留輪廓信息的水下沉船目標檢測算法95
4.6.1目標和圖像特性分析95
4.6.2算法描述與實驗研究96
4.7基於合成孔徑聲吶圖像的水下條狀人造目標檢測算法102
4.7.1目標和圖像特性分析102
4.7.2算法描述與實驗研究103
4.8小結105
參考文獻105
第5章目標識別108
5.1引言108
5.2基於特征提取的聲吶圖像目標識別算法109
5.2.1圖像規格化110
5.2.2特征選擇與提取111
5.2.3實驗研究112
5.2.4基於主成分分析的特征優化114
5.3基於形狀描述直方圖的聲吶圖像目標識別算法116
5.3.1算法描述116
●
●5.3.2實驗研究119
●
●……
