基于特征的红外图像目标匹配与跟踪技术

第一篇 红外图像目标的稳定特征提取第1章 红外图像的局部不变特征1.1 图像局部不变特征的基本理论1.1.1 图像特征概述1.1.2 局部不变特征的性质1.1.3 特征检测算法的研究现状1.1.4 特征描述算法的研究现状1.2 几种最典型的图像特征检测算法1.2.1 角点特征检测算法1.2.2 斑点特征检测算法1.2.3 区域特征检测算法1.3 典型特征检测算法性能评价第2章 基于FAST.9 的多尺度快速检测子2.1 尺度空间理论2.1.1 多尺度表达2.1.2 尺度空间2.1.3 高斯尺度空间的建立2.2 基于FAST.9 的角点提取2.2.1 FAST角点检测算法2.2.2 基于多尺度的FASr9角点提取2.2.3 实验结果与分析第3章 基于改进曲率尺度空间的图像特征点检测3.1 曲率角点检测3.1.1 曲线尺度空间3.1.2 曲率尺度空间角点检测3.2 改进的CSS特征点提取方法3.2.1 改进的CSs角点检测算法3.2.2 实验结果与分析第二篇 基于局部不变特征的红外与可见光图像匹第4章 基于梯度的红外与可见光图像特征点描述与匹配4.1 SIFT算法及红外与可见光图像特征点梯度分析4.1.1 尺度空间关键点的检测4.1.2 关键点的精确定位4.1.3 关键点主方向分配4.1.4 SIFT描述子构造4.1.5 特征匹配4.1.6 基于sIFT算法的红外与可见光图像梯度分析4.2 基于CSS的特征点梯度匹配算法4.2.1 剔除低对比度特征点4.2.2 特征点主方向构成4.2.3 镜像的SIFT特征点描述4.2.4 描述子匹配4.2.5 实验结果与分析第5章 基于自相似性的红外与可见光图像特征匹配5.1 自相似性目标识别算法的性能分析5.2 基于平方和的图像预处理5.3 基于自相似性的红外与可见光图像特征描述与匹配方法5.3.1 特征点提取5.3.2 基于相关平面的特征点描述5.3.3 剔除不良描述子与描述子匹配5.3.4 实验结果与分析第6章 基于形状上下文的红外与可见光图像特征匹配6.1 形状上下文算法6.1.1 形状上下文6.1.2 形状上下文算法步骤6.1.3 形状上下文算法的特点6.2 红外与可见光图像边缘特征提取方法6.2.1 特征点提取6.2.2 特征点边缘特性分析6.2.3 特征点边缘拆分／重组6.2.4 特征点主方向构成6.3 基于形状上下文的特征点描述和匹配方法6.3.1 特征点的子邻域描述6.3.2 级联描述子的构造6.3.3 描述子匹配6.3.4 实验结果与分析6.3.5 算法复杂度分析第7章 基于u弹的红外与可见光图像特征描述与匹配7.1 LBP特征描述子7.1.1 经典的LBP算子7.1.2 圆形邻域的LBP算子7.1.3 均匀LBP算子7.2 基于S-LBP的级联描述子匹配算法7.2.1 特征点提取和主方向构造7.2.2 基于S-LBP的级联描述子构造7.2.3 基于s-LBP描述子的匹配运算7.2.4 实验结果与分析7.2.5 算法复杂度分析第8章 多特征结合的红外与可见光图像特征点匹配8.1 多特征相关技术研究概述8.1.1 同步多特征匹配8.1.2 异步多特征匹配8.2 基于梯度与自相似性的同步多特征匹配算法8.2.1 特征点提取和主方向构造8.2.2 自相似性描述子构造8.2.3 同步多特征描述子构造8.2.4 加权匹配8.2.5 实验结果与分析8.3 基于梯度与特征点邻域边缘的异步多特征图像匹配算法8.3.1 特征点提取与主方向构造8.3.2 基于梯度的描述子构造和粗匹配8.3.3 特征点邻域边缘描述子8.3.4 特征点精匹配8.3.5 实验结果与分析第9章 基于线特征的红外与可见光图像匹配9.1 直线提取算法9.1.1 典型的检测算法分析9.1.2 基于（2anny算法的直线提取9.1.3 快速直线检测算法9.2 直线描述子9.2.1 典型的直线描述子分析9.2.2 均值一标准差描述子9.3 基于Haar小波的直线描述与匹配算法9.3.1 特征及提取方法9.3.2 构建taar直线描述子9.3.3 分级特征匹配9.3.4 实验结果与分析9.4 基于梯度方向直方图不变矩的直线配准算法9.4.1 不变矩特征9.4.2 直线主方向的确定9.4.3 直线区域构成9.4.4 梯度方向直方图不变矩的构成和匹配9.4.5 实验结果与分析9.5 直线和点结合的红外和可见光图像匹配9.5.1 直线的提取9.5.2 直线IIaai描述子和粗匹配9.5.3 虚拟点的精匹配9.5.4 实验结果与分析第10章 基于图像变换模型的误匹配特征剔除10.1 图像匹配的映射变换和空间变换模型10.1.1 图像匹配的映射变换10.1.2 图像空间变换模型10.2 RANSAC算法10.3 基于支持向量回归的误匹配点对剔除10.3.1 支持向量回归思想10.3.2 基于SVR的误匹配点对剔除算法10.4 实验与分析10.4.1 实验数据与评价10.4.2 实验结果与分析第三篇 基于特征的红外图像目标跟踪第11章 基于空间直方图特征的红外目标均值漂移跟踪方法11.1 相关研究概述11.2 均值漂移跟踪理论11.2.1 核密度估计11.2.2 均值漂移11.3 红外图像目标的表示与定位11.3.1 联合空间颜色模型11.3.2 相似性度量11.3.3 目标定位及跟踪算法11.4 实验结果与分析第12章 基于多特征融合的红外目标跟踪方法12.1 相关研究概述12.2 目标特征选择12.2.1 颜色特征12.2.2 边缘特征12.2.3 纹理特征12.2.4 梯度特征12.3 基于多特征的红外目标表示与定位12.3.1 红外目标的多特征描述12.3.2 相似性度量与特征权重自适应选择12.3.3 目标模型自适应更新12.4 实验结果与分析第13章 基于在线学习的红外目标分类跟踪方法13.1 相关研究概述13.2 集成学习和Boosting理论13.2.1 集成学习13.2.2 Boosting理论13.2.3 AdaBoost模型13.3 基于在线Boosting的红外目标分类跟踪13.3.1 基于在线Boostlng的特征选择13.3.2 特征及弱分类器设计13.3.3 taar-like特征13.3.4 2bitBP特征13.3.5 弱分类器选择13.3.6 跟踪算法13.4 实验结果与分析参考文献

《基于特征的红外图像目标匹配与跟踪技术》围绕红外图像目标的稳定特征提取、基于局部不变特征的红外与可见光图像匹配、基于特征的红外图像目标跟踪等内容，系统阐述围绕红外图像和红外与可见光图像开展的图像特征提取、图像匹配、红外图像目标跟踪等研究中涉及的理论和关键技术，涵盖了图像应用中涉及的核心内容。《基于特征的红外图像目标匹配与跟踪技术》内容理论与实践并重，针对性与系统性较强，具有重要的理论和应用参考价值。《基于特征的红外图像目标匹配与跟踪技术》可供计算机科学与技术、信息与通信工程、控制科学与工程、测绘科学与技术、光学工程、医学技术等学科中从事图像处理与分析、目标识别与跟踪、面向成像精确制导的景象匹配和前视目标跟踪，以及计算机视觉等方面研究的科研人员和工程技术人员参考，也可作为高等院校相关专业的研究生和高年级本科生的学习参考书。【作者简介】李俊山，教授、博士生导师。第二炮兵工程大学计算机科学与技术学科带头人，第二炮兵导弹专家，陕西省学位委员会第三届学科评议组成员。中国计算机学会理事，中国图象图形学学会理事，陕西省计算机学会常务理事，陕西省图象图形学学会常务理事，陕西省计算机教育学会常务理事，《现代电子技术》编委。军队院校育才奖“金奖”获得者，两次荣立个人三等功。 主要学术成就有：作为负责人建设的“数据库系统原理及应用”课程评为国家级精品课程，指导的研究生论文获全军优秀硕士学位论文。获国防科学技术奖和军队科技进步奖22项；发表学术论文250余篇；第一作者公开出版专著2部、译著1部、教材7部。