水下目标检测与基于图的跟踪方法

《水下目标检测与基于图的跟踪方法》系统、全面地介绍了作者团队在水下目标检测与跟踪领域的研究成果，主要内容包括声呐图像分割、目标检测、目标识别、基于zui小生成树的目标跟踪算法、基于图的半监督目标跟踪算法、基于l1图半监督学习的目标跟踪算法、基于多视图半监督协同训练的目标跟踪算法。此外，还给出了一些水下目标检测与跟踪应用的案例。
　　《水下目标检测与基于图的跟踪方法》可作为高等院校水声工程、无人装备工程、信息工程专业本科生或研究生的教材或参考书，还可供从事系统工程、雷达工程、电子对抗、军事指挥等专业的科研人员和工程技术人员参考。

李轲，男，海军上校，1985年7月出生，湖北黄冈人，2013年获系统工程专业博士学位。研究方向为目标检测与识别、协同探测与数据融合。围绕预警探测作战指挥与态势感知研究领域，注重理论基础研究与工程技术应用相结合。主持和参与10余项国家自然科学基金项目、军委装备发展部和科技委预研项目、海军军内科研项目，主持湖北省自然科学基金2项、“十三五”教育科研课题1项。在国内外期刊和学术会议上发表学术论文16篇，其中作者12篇，通讯作者2篇，SCI收录6篇、EI收录4篇，出版专著1部，编著1部、译著2部，主编教材4部，获国防发明/实用新型专利授权7项和软件著作权6项。

我国是海洋大国，海域国土面积占陆地面积的三分之一左右，海域包括内水、领海、毗连区、专属经济区和大陆架。此外，与部分邻国还存在相当大的争议海区。在海域国土内，一方面要对油气等自然资源进行开发，另一方面还需要对重要港口、码头等要地进行警戒防御，从而对水下目标检测与跟踪技术有非常迫切的现实需求。由于电磁波受其物理特性限制，在水介质中的衰减极为严重，所以，声信号是目前在水下进行目标探测与识别的重要手段。随着成像声呐设备和数字图像处理技术的迅猛发展，将相关理论方法应用在声呐图像数据上已经成为本领域的研究热点。这就需要根据水声环境、声呐图像特点和水下目标运动特性，对目标检测与跟踪等算法进行重新设计与深入研究，这给相关从业者提出了巨大挑战，但又为本领域的发展带来广阔的空间。
　　本书分为11章，第1章概述了水下目标检测与跟踪技术的研究现状，并分析发展趋势。第2章介绍图像预处理，重点阐述声呐图像预处理技术。第3章介绍声呐图像分割的基本原理、算法设计和实验研究。第4章详细描述了目标检测算法模型和实验研究。第5章介绍了几种基于不同原理的声呐图像目标识别算法。第6章重点介绍根据不同特征和准则对声呐图像目标进行跟踪的算法。第7章~第10章深入介绍了基于图理论的目标跟踪算法的数学模型、算法设计和实验结果比较分析，其中，第7章介绍基于最小生成树的目标跟踪算法，第8章介绍基于图的半监督目标跟踪算法，第9章介绍基于e1图半监督学习的目标跟踪算法，第10章介绍基于多视图半监督协同训练的目标跟踪算法。第II章主要针对本书第7章一第10章所提出的4种目标跟踪算法，以及能获得开源代码的8种公开算法，将其在无人机对地（海）面目标视频跟踪中的应用结果进行了定量和定性的对比分析。
　　本书总结了作者及其所在团队十多年的工作成果，湖北省自然科学基金面上项目（2015CFB644、2017CFB524）、海军工程大学自主立项项目（2020503050）支撑了本书涉及的相关研究工作。本书的出版得到了海军工程大学电子工程学院“双重”建设子项目“重点课程和重点教材建设”的资助。此外，书中参考了大量国内外相关文献，每章后都列出了参考资料，在此一并表示感谢。
　　作者还要感谢海军工程大学电子工程学院于雷院长、周媛媛处长，系统工程学科点负责人、海军专业技术少将刘忠教授，以及给予我关心、帮助的家人、朋友、同事和学生，他们在本书撰写和出版过程中对我提供了诸多支持。
　　作为一家之言，书中难免有疏漏与不当之处，恳请读者批评指正。

第1章 概述
1．1 水下目标检测与跟踪的意义
1．2 目标检测技术的研究现状
1．3 目标跟踪技术的研究现状
1．4 基于图理论的算法
1．4．1 基于图方法的基本概念
1．4．2 图的构造方法
1．4．3 基于图方法在视频跟踪中的应用
参考文献

第2章 图像预处理
2．1 引言
2．2 滤波算法简述
2．2．1 平滑线性滤波
2．2．2 维纳滤波
2．2．3 低通滤波
2．2．4 中值滤波
2．2．5 基于数学形态学的滤波
2．2．6 基于神经网络的滤波
2．2．7 基于偏微分方程的滤波
2．2．8 基于小波变换的滤波
2．3 声呐图像灰度统计模型特性分析
2．3．1 声呐图像统计特性
2．3．2 统计模型描述
2．3．3 对比分析
2．4 基于偏微分方程的非线性扩散滤波算法
2．4．1 相干斑噪声
2．4．2 非线性扩散滤波模型
2．4．3 算法改进
2．4．4 实验研究
2．5 基于窗口选择的自适应增强算法
2．5．1 窗口选择
2．5．2 自适应窗口增强方法
2．5．3 实验研究
2．6 小结
参考文献

第3章 声呐图像分割
3．1 引言
3．2 图像分割算法简述
3．2．1 阈值化图像分割
3．2．2 边缘检测图像分割
3．2．3 基于区域的分割
3．2．4 基于形态学分水岭的分割
3．3 基于标记和模糊聚类的分水岭声呐图像分割
3．3．1 分水岭前处理及变换
3．3．2 基于粒子群算法的模糊聚类
3．3．3 实验研究
3．4 基于自适应迭代阈值的声呐图像分割算法
3．4．1 算法描述
3．4．2 实验研究
3．5 基于马尔可夫随机场的声呐图像分割算法
3．5．1 算法描述
3．5．2 实验研究
3．6 基于哈尔小波变换的水下小型沉底人造目标分割算法
3．6．1 算法描述
3．6．2 二值化阈值
3．6．3 干扰抑制
3．7 小结
参考文献

第4章 目标检测
第5章 目标识别
第6章 声呐图像目标跟踪算法
第7章 基于最小生成树的目标跟踪算法
第8章 基于图的半监督目标跟踪算法
第9章 基于е1图半监督学习的目标跟踪算法
第10章 基于多视图半监督协同训练的目标跟踪算法
第11章 基于图的目标跟踪算法在无人机对地（海）面目标视频跟踪中的应用