李俊山、张姣、杨威、朱英宏、郭莉莎编写的《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。本书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。
本书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。
更多科学出版社服务，请扫码获取。
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*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；作者公开出版专著2部、译著1部、教材7部。
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
书单推荐
