内容简介
本书主要介绍了海空小目标图像增强及检测的意义和研究现状、图像增强及视觉目标检测基础知识、海空小目标特性分析、基于光照补偿的海空小图像增强方法、基于马尔科夫随机场前景分割的海空小目标检测方法、基于协作双混合高斯背景建模的海空小目标检测方法，以及基于深度学习的海空小目标尺度敏感分析检测方法等内容。
目录
目录
第一章 概述1.1 小目标的定义1.1.1 基于相对尺度的定义
1.1.2 基于绝对尺度的定义
1.2 小目标图像增强及检测的意义
1.3 小目标图像增强及检测研究现状1.3.1 不同采集平台下的目标检测
1.3.2 基于深度学习的目标检测方法
第二章 图像增强及视觉目标检测基础知识2.1 引言
2.2 图像预处理技术2.2.1 传统的图像数据增强方法
2.2.2 基于深度学习的图像数据增强方法
2.2.3 小结
2.3 视觉目标检测方法2.3.1 传统的目标检测算法
2.3.2 深度学习目标检测
第三章 小目标特性分析3.1 小目标特征分析3.1.1 小目标种类
3.1.2 小目标特性
3.2 小目标检测难点分析
第四章 基于光照补偿的小目标图像增强方法4.1 引言
4.2 Retinex 理论4.2.1 单尺度 Retinex 算法
4.2.2 多尺度 Retinex 算法
4.2.3 McCann's Retinex 算法
4.3 EMD 算法4.3.1 一维 EMD 算法
4.3.2 二维 EMD 算法
4.4 基于 NLEMD 的 Retinex 图像增强方法4.4.1 增强方案
4.4.2 增强算法
4.5 试验结果与分析4.5.1 自然图像增强的试验结果
4.5.2 人脸光照补偿的试验结果
4.5.3 海面舰船增强的试验结果
4.5.4 小结
第五章 基于马尔可夫随机场前景分割的小目标检测方法5.1 引言
5.2 马尔可夫随机场5.2.1 随机场的马尔可夫特性
5.2.2 Gibbs 分布与 MRF
5.3 多高斯 MRF 前景分割方法5.3.1 多高斯 MRF 前景分割模型
5.3.2 MRF 的求解
5.3.3 试验结果
5.4 核函数 MRF 前景分割方法5.4.1 邻域相关的核函数
5.4.2 核函数 MRF 前景分割模型
5.4.3 基于最小割 / 最大流的 MRF 求解方法
5.5 试验结果与分析
5.6 小结
第六章 基于协作双混合高斯背景建模的小目标检测方法6.1 引言
6.2 双混合高斯模型协作算法6.2.1 传统混合高斯背景模型及改进思路
6.2.2 双混合高斯模型协作算法
6.3 试验结果与分析
第七章 基于深度学习的小目标尺度敏感分析检测方法7.1 小目标仿真数据集构建方法
7.2 小目标检测的尺度敏感性分析7.2.1 CenterNet 模型的结构和原理
7.2.2 卷积特征的尺寸对多尺度舰船目标检测的影响
7.2.3 卷积特征的深度对多尺度舰船目标检测的影响
7.2.4 卷积特征的融合机制对多尺度舰船目标检测的影响
7.3 试验结果与分析7.3.1 海面小目标检测
7.3.2 空中小目标检测
参考文献
