水下目標(biāo)檢測(cè)與基于圖的跟蹤方法

第1章 概述
1．1 水下目標(biāo)檢測(cè)與跟蹤的意義
1．2 目標(biāo)檢測(cè)技術(shù)的研究現(xiàn)狀
1．3 目標(biāo)跟蹤技術(shù)的研究現(xiàn)狀
1．4 基于圖理論的算法
1．4．1 基于圖方法的基本概念
1．4．2 圖的構(gòu)造方法
1．4．3 基于圖方法在視頻跟蹤中的應(yīng)用
參考文獻(xiàn)
第2章 圖像預(yù)處理
2．1 引言
2．2 濾波算法簡(jiǎn)述
2．2．1 平滑線性濾波
2．2．2 維納濾波
2．2．3 低通濾波
2．2．4 中值濾波
2．2．5 基于數(shù)學(xué)形態(tài)學(xué)的濾波
2．2．6 基于神經(jīng)網(wǎng)絡(luò)的濾波
2．2．7 基于偏微分方程的濾波
2．2．8 基于小波變換的濾波
2．3 聲吶圖像灰度統(tǒng)計(jì)模型特性分析
2．3．1 聲吶圖像統(tǒng)計(jì)特性
2．3．2 統(tǒng)計(jì)模型描述
2．3．3 對(duì)比分析
2．4 基于偏微分方程的非線性擴(kuò)散濾波算法
2．4．1 相干斑噪聲
2．4．2 非線性擴(kuò)散濾波模型
2．4．3 算法改進(jìn)
2．4．4 實(shí)驗(yàn)研究
2．5 基于窗口選擇的自適應(yīng)增強(qiáng)算法
2．5．1 窗口選擇
2．5．2 自適應(yīng)窗口增強(qiáng)方法
2．5．3 實(shí)驗(yàn)研究
2．6 小結(jié)
參考文獻(xiàn)
第3章 聲吶圖像分割
3．1 引言
3．2 圖像分割算法簡(jiǎn)述
3．2．1 閾值化圖像分割
3．2．2 邊緣檢測(cè)圖像分割
3．2．3 基于區(qū)域的分割
3．2．4 基于形態(tài)學(xué)分水嶺的分割
3．3 基于標(biāo)記和模糊聚類的分水嶺聲吶圖像分割
3．3．1 分水嶺前處理及變換
3．3．2 基于粒子群算法的模糊聚類
3．3．3 實(shí)驗(yàn)研究
3．4 基于自適應(yīng)迭代閾值的聲吶圖像分割算法
3．4．1 算法描述
3．4．2 實(shí)驗(yàn)研究
3．5 基于馬爾可夫隨機(jī)場(chǎng)的聲吶圖像分割算法
3．5．1 算法描述
3．5．2 實(shí)驗(yàn)研究
3．6 基于哈爾小波變換的水下小型沉底人造目標(biāo)分割算法
3．6．1 算法描述
3．6．2 二值化閾值
3．6．3 干擾抑制
3．7 小結(jié)
參考文獻(xiàn)
第4章 目標(biāo)檢測(cè)
第5章 目標(biāo)識(shí)別
第6章 聲吶圖像目標(biāo)跟蹤算法
第7章 基于最小生成樹(shù)的目標(biāo)跟蹤算法
第8章 基于圖的半監(jiān)督目標(biāo)跟蹤算法
第9章 基于е1圖半監(jiān)督學(xué)習(xí)的目標(biāo)跟蹤算法
第10章 基于多視圖半監(jiān)督協(xié)同訓(xùn)練的目標(biāo)跟蹤算法
第11章 基于圖的目標(biāo)跟蹤算法在無(wú)人機(jī)對(duì)地（海）面目標(biāo)視頻跟蹤中的應(yīng)用