核方法和线性子空间方法及其在图像目标检测中的应用

本书主要阐述红外小目标检测的模式识别算法，以提高目标检测概率，系统地提出了基于子空间（包括线性子空间和非线性子空间）的红外点目标检测算法。此外，如何提高红外目标的跟踪精度也是本书的重要内容之一。全书共7章：红外目标检测基础，线性子空间方法检测红外点目标，支持向量机简介，非线性子空间算法检测红外点目标，子空间目标检测和kalman预测相结合的红外点目标跟踪方法，基于多特征伪彩色图像和均值漂移算法的红外面目标跟踪，总结与展望。

第1章  红外目标检测基础 1
1.1  引言  1
1.2  红外图像基础  1
1.2.1  图像及数字图像  1
1.2.2  红外图像  2
1.3  研究背景  5
1.3.1  目标检测技术  5
1.3.2  目标跟踪  8
1.4  目标检测和目标跟踪的性能评价指标  12
1.4.1  目标检测评价指标  12
1.4.2  目标跟踪评价方法  13
1.5  内容概况  13
第2章  线性子空间方法检测红外点目标  16
2.1  引言  16
2.2  几种常见的红外点目标检测方法  17
2.2.1  二维最小二乘法  18
2.2.2  最大均值滤波和最大中值滤波法  19
2.2.3  基于形态滤波的方法  23
2.2.4  小波分析法  24
2.3  线性子空间概述  25
2.4  基于Eigentargets的红外点目标检测方法  26
2.4.1  主成分分析基础  26
2.4.2  Eigentargets的概念和红外点目标检测  28
2.5  基于Fishertarget的红外点目标的检测方法  33
2.5.1  Fishertarget的定义和计算方法  34
2.5.2  用Fishertarget检测红外点目标  35
2.5.3  实验验证  37
2.6  Fukunaga-Koontz变换检测红外点目标  38
2.6.1  Fukunaga-Koontz变换  38
2.6.2  用Fukunaga-Koontz变换进行分类  39
2.6.3  用Fukunaga-Koontz变换检测红外点目标  40
2.6.4  实验验证  41
2.7  几种子空间算法的讨论和实验比较  42
2.7.1  几种线性子空间算法检测红外点目标的讨论  42
2.7.2  对高斯灰度模型（GIM）的修正  43
2.7.3  几种子空间检测算法的实验比较  47
2.8  小结  56
第3章  支持向量机简介  58
3.1  引言  58
3.2  支持向量机的起源及模式识别基础  58
3.3  支持向量机的数学模型  61
3.3.1  线性支持向量机  61
3.3.2  非线性支持向量机  63
3.4  超参数的优化  64
3.4.1  超参数及其分布特征  65
3.4.2  进化策略和网格搜索  66
3.4.3  ES-GS方法的超参数优化  67
3.5  实验结果和讨论  68
3.5.1  实验数据和程序  68
3.5.2  结果与讨论  68
3.6  小结  69
第4章  非线性子空间算法检测红外点目标  70
4.1  引言  70
4.2  核方法基础  70
4.2.1  核方法的基本思想  71
4.2.2  常用的核函数  72
4.2.3  核方法的发展及应用  73
4.3  核PCA检测红外点目标  73
4.3.1  核PCA  74
4.3.2  核PCA检测红外点目标  75
4.3.3  核PCA和Eigentargets目标检测性能的比较  77
4.4  核FLD检测红外点目标  80
4.4.1  核FLD  81
4.4.2  用核FLD检测红外点目标  83
4.4.3  核FLD和Fishertarget目标检测性能的比较  84
4.5  核FKT检测红外点目标  87
4.5.1  核FKT的理论  87
4.5.2  用核FKT进行分类  89
4.5.3  基于核FKT的红外点目标检测方法  91
4.5.4  核FKT和线性FKT目标检测性能的比较  92
4.6  几种核方法的讨论和实验比较  94
4.6.1  几种核方法的实验比较  95
4.6.2  线性子空间检测和核方法检测的时间指标比较  99
4.7  基于线性子空间和核方法的人眼检测  99
4.7.1  利用PCA提取人眼特征  100
4.7.2  非线性相关系数  100
4.7.3  人眼检测  101
4.7.4  实验结果与讨论  102
4.8  小结  104
第5章  子空间目标检测和Kalman预测相结合的红外点目标跟踪方法  105
5.1  引言  105
5.2  状态估计理论基础  106
5.2.1  最优状态估计及其准则  106
5.2.2  基于贝叶斯的最优状态估计  109
5.2.3  离散系统的状态估计  110
5.2.4  基于贝叶斯的最优状态估计与递推贝叶斯滤波  110
5.3  卡尔曼系滤波器  112
5.4  子空间检测和Kalman预测相结合实现红外点目标跟踪  113
5.4.1  Kalman滤波的动态方程  114
5.4.2  红外点目标的跟踪框架  115
5.5  实验及结果分析  116
5.6  小结  123
第6章  基于多特征伪彩色图像和均值漂移算法的红外面目标跟踪  124
6.1  引言  124
6.2  基于均值漂移的目标跟踪方法  125
6.2.1  目标的描述  125
6.2.2  相似性函数  126
6.2.3  目标的定位  127
6.3  红外目标跟踪的问题及多特征伪彩色图像概念的提出  128
6.4  多特征伪彩色图像的生成及红外目标的跟踪方法  129
6.4.1  初步探索的两种可用特征  129
6.4.2  基于MFPCI和均值漂移算法的红外目标跟踪  130
6.4.3  跟踪实验及结果讨论  132
6.5  小结  136
第7章  总结与展望  137
7.1  全书工作回顾与总结  137
7.2  未来工作展望  139
参考文献  140