捲積神經網絡之圖像融合識別

目 錄
第1章 緒論 1
1.1 圖像融合與目標識別的目的和意義 1
1.2 圖像融合與目標識別中的相關基本概念 2
1.2.1 圖像融合 2
1.2.2 目標識別 3
1.3 圖像融合與目標識別算法的設計要求和主要技術指標 4
1.3.1 圖像融合與目標識別算法的工程設計 4
1.3.2 圖像融合與目標識別算法的評估 4
1.4 圖像融合與目標識別技術的研究歷史及現狀 6
1.4.1 圖像融合 6
1.4.2 目標識別 8
1.5 本書的研究範圍和概覽 9
參考文獻 11
第2章 捲積神經網絡 15
2.1 引言 15
2.2 神經網絡 15
2.2.1 神經元 15
2.2.2 感知機 17
2.2.3 BP網絡與反向傳播算法 18
2.3 捲積神經網絡的基本概念和基本結構 20
2.3.1 捲積神經網絡的基本概念 20
2.3.2 捲積神經網絡的基本結構 21
2.3.3 捲積神經網絡之圖像融合識別典型模型 24
2.4 小結 33
參考文獻 33
第3章 特徵表示學習的多源圖像融合 35
3.1 引言 35
3.2 交互式特徵嵌入的圖像融合 35
3.2.1 方法背景 35
3.2.2 交互式特徵嵌入的圖像融合網絡模型 37
3.2.3 模型訓練 40
3.2.4 實驗 41
3.3 聯合特定和通用特徵表示的圖像融合 46
3.3.1 方法背景 46
3.3.2 聯合特定和通用特徵表示的圖像融合網絡模型 48
3.3.3 模型訓練 52
3.3.4 實驗 53
3.4 小結 58
參考文獻 59
第4章 多域特徵對齊的多源圖像融合 63
4.1 引言 63
4.2 自監督特徵自適應的圖像融合 63
4.2.1 方法背景 63
4.2.2 自監督特徵自適應的圖像融合網絡模型 64
4.2.3 模型訓練 68
4.2.4 實驗 69
4.3 基於元特徵嵌入的圖像融合 79
4.3.1 方法背景 79
4.3.2 基於元特徵嵌入的圖像融合網絡模型 80
4.3.3 模型訓練 84
4.3.4 實驗 86
4.4 小結 94
參考文獻 95
第5章 小樣本遙感目標識別 98
5.1 引言 98
5.2 協作蒸餾的遙感目標識別 99
5.2.1 方法背景 99
5.2.2 協作蒸餾的遙感目標識別網絡模型 100
5.2.3 模型訓練 103
5.2.4 實驗 103
5.3 弱相關蒸餾的遙感目標識別 111
5.3.1 方法背景 111
5.3.2 弱相關蒸餾的遙感目標識別網絡模型 113
5.3.3 模型訓練 115
5.3.4 實驗 117
5.4 小結 124
參考文獻 124
第6章 復雜樣本分佈的遙感目標識別 128
6.1 引言 128
6.2 層次蒸餾的長尾目標識別 128
6.2.1 方法背景 128
6.2.2 層次蒸餾的長尾目標識別網絡模型 130
6.2.3 模型訓練 134
6.2.4 實驗 135
6.3 風格?內容度量學習的多域遙感目標識別 142
6.3.1 方法背景 142
6.3.2 風格?內容度量學習的多域遙感目標識別網絡模型 145
6.3.3 模型訓練 149
6.3.4 實驗 150
6.4 小結 157
參考文獻 158
第7章 圖像融合和目標識別的實際應用 161
7.1 引言 161
7.2 圖像融合的應用 161
7.2.1 安防監測 161
7.2.2 火災識別 162
7.2.3 行人檢測 163
7.3 遙感目標識別的應用 164
7.3.1 艦船識別 164
7.3.2 災害探測 165
7.3.3 海上搜救 166
7.4 小結 167
參考文獻 167
第8章 回顧、建議與展望 171
8.1 引言 171
8.2 研究成果回顧 171
8.3 問題與建議 172
8.4 研究方向展望 173
8.5 小結 174