復(fù)雜背景下的紅外弱小目標(biāo)檢測技術(shù)研究

定　價：￥69.00

作　者：	孫揚(yáng)、陳英武
出版社：	清華大學(xué)出版社
叢編項(xiàng)：
標(biāo)　簽：	暫缺

購買這本書可以去

當(dāng)當(dāng)網(wǎng) (￥61.00)

ISBN：	9787302678069	出版時間：	2024-12-01	包裝：	平裝-膠訂
開本：	16開	頁數(shù)：		字?jǐn)?shù)：

內(nèi)容簡介

　　本專著的內(nèi)容分為六大部分，第一章是緒論部分，主要介紹了課題的研究背景和意義，梳理概括了課題相關(guān)的研究現(xiàn)狀，并且分析了目前紅外弱小檢測領(lǐng)域的困難和挑戰(zhàn)；第二章介紹了理論基礎(chǔ)，主要介紹涉及的基本數(shù)學(xué)理論、優(yōu)化方法和算法評價指標(biāo)；第三部分對紅外背景的低秩性和目標(biāo)的稀疏性進(jìn)行了深入分析并且研究基于張量主成分分析方法的紅外弱小目標(biāo)檢測方法；第四部分第四章主要針對非平滑場景的目標(biāo)檢測難題，研究基于時空域信息和總變分正則項(xiàng)的檢測方法；第五部分主要針對高亮雜波干擾下的目標(biāo)檢測問題，研究基于時空域信息和多子空間學(xué)習(xí)的檢測方法；第六部分研究了基于非獨(dú)立同分布混合高斯模型和改進(jìn)通量密度的目標(biāo)檢測方法。本專著的特色是深入淺出為讀者介紹紅外弱小目標(biāo)檢測問題，盡量用易于理解的方式展現(xiàn)研究工作和相關(guān)內(nèi)容，面向的讀者群體主要包括：空間信息處理相關(guān)方向的本科生和研究生、高校相關(guān)專業(yè)的教師、相關(guān)科研機(jī)構(gòu)的研究人員、工業(yè)部門相關(guān)領(lǐng)域的技術(shù)人員、對該問題感興趣的所有讀者。

作者簡介

　　孫揚(yáng)，男，1992年出生，湖南岳陽，國防科技大學(xué)博士學(xué)位，現(xiàn)為國防科技大學(xué)系統(tǒng)工程學(xué)院講師、博士后，主要研究方向?yàn)轭A(yù)警探測信息處理、智能任務(wù)規(guī)劃和智能Agent應(yīng)用。作為技術(shù)骨干參與十三五、十四五、國防科技創(chuàng)新各類工程項(xiàng)目10余項(xiàng)，授權(quán)專利2項(xiàng)，發(fā)表SCI6篇、EI論文5篇，其中1篇TGRS入選ESI前1%。獲得全國研究生、全軍數(shù)學(xué)建模、國際數(shù)學(xué)建模競賽一等獎。

圖書目錄

第 1 章緒論 1
1.1 研究背景及意義 1
1.2 國內(nèi)外研究現(xiàn)狀及發(fā)展動態(tài) 4
1.2.1 紅外圖像預(yù)處理技術(shù) 5
1.2.2 紅外目標(biāo)檢測技術(shù) 6
1.3 本書主要工作及內(nèi)容安排 11
第 2 章背景雜波特性分析及理論基礎(chǔ) 14
2.1 背景雜波特性分析 14
2.1.1 復(fù)雜度評價指標(biāo) 15
2.1.2 平滑場景 15
2.1.3 非平滑場景 16
2.1.4 高亮雜波干擾場景 17
2.1.5 復(fù)雜噪聲場景 19
2.2 仿真數(shù)據(jù)生成方法 20
2.3 評價指標(biāo) 21
2.4 低秩和稀疏重構(gòu)恢復(fù) 24
2.4.1 預(yù)備知識 24
2.4.2 低秩和稀疏重構(gòu)恢復(fù) 31
2.4.3 常用優(yōu)化方法 33
2.5 本章小結(jié) 35
第 3 章基于張量主成分分析的目標(biāo)檢測方法 36
3.1 紅外圖像的低秩和稀疏分解模型 38
3.1.1 IPI 模型 38
3.1.2 IPT 模型 39
3.2 WNRIPT 方法 41
3.2.1 加權(quán)核范數(shù) 41
3.2.2 WNRIPT 模型的建立與求解 42
3.2.3 實(shí)驗(yàn)與結(jié)果分析 46
3.3 WSNM-STIPT 目標(biāo)檢測方法 57
3.3.1 STIPT 模型 57
3.3.2 WSNM 方法 59
3.3.3 WSNM-STIPT 的建立與求解 59
3.3.4 實(shí)驗(yàn)與結(jié)果分析 63
3.4 本章小結(jié) 75
第 4 章基于時空域信息和總變分正則項(xiàng)的目標(biāo)檢測方法 76
4.1 總變分正則項(xiàng) 77
4.2 TV-STIPT 模型的建立與求解 78
4.2.1 模型的建立 78
4.2.2 模型求解 79
4.2.3 復(fù)雜度分析 83
4.3 實(shí)驗(yàn)與結(jié)果分析 84
4.3.1 實(shí)驗(yàn)數(shù)據(jù) 84
4.3.2 參數(shù)設(shè)置 84
4.3.3 對比方法 85
4.3.4 TV-STIPT 方法的有效性驗(yàn)證 85
4.3.5 參數(shù)影響分析 85
4.3.6 對比實(shí)驗(yàn) 87
4.3.7 算法收斂性分析 93
4.3.8 運(yùn)行時間對比 93
4.4 本章小結(jié) 94
第 5 章基于時空域信息和多子空間學(xué)習(xí)的目標(biāo)檢測方法 95
5.1 MSL 理論 96
5.2 MSLSTIPT 模型的建立與求解 98
5.2.1 模型的建立 98
5.2.2 模型求解 99
5.2.3 字典構(gòu)建 103
5.2.4 復(fù)雜度分析 103
5.3 實(shí)驗(yàn)與結(jié)果分析 104
5.3.1 實(shí)驗(yàn)數(shù)據(jù) 104
5.3.2 參數(shù)設(shè)置 104
5.3.3 對比方法 105
5.3.4 MSLSTIPT 方法的有效性驗(yàn)證 105
5.3.5 參數(shù)影響分析 107
5.3.6 對比實(shí)驗(yàn) 107
5.3.7 運(yùn)行時間對比 115
5.4 本章小結(jié) 115
第 6 章基于非獨(dú)立同分布混合高斯模型和改進(jìn)通量密度的目標(biāo)檢測方法 116
6.1 MoG 模型 117
6.2 MFD-NMoG 模型的建立與求解 118
6.2.1 模型的建立 119
6.2.2 模型求解 120
6.2.3 復(fù)雜度分析 126
6.3 實(shí)驗(yàn)與結(jié)果分析 126
6.3.1 實(shí)驗(yàn)數(shù)據(jù) 127
6.3.2 參數(shù)設(shè)置 127
6.3.3 對比方法 127
6.3.4 MFD-NMoG 方法的有效性驗(yàn)證 128
6.3.5 參數(shù)影響分析 128
6.3.6 MFD 方法的有效性驗(yàn)證 128
6.3.7 對比實(shí)驗(yàn) 130
6.3.8 運(yùn)行時間對比 135
6.4 本章小結(jié) 135
第 7 章總結(jié)與展望 136
7.1 本書工作總結(jié) 136
7.2 未來工作展望 139
參考文獻(xiàn) 140