目标衍生属性光电侦察技术

目录章 绪论 1．1目标侦察概述 1．1．1 目标侦察 1．1．2 侦察技术对作战的影响及其发展趋势 1．1．3 电子侦察与声学侦察 1．1．4 光电侦察 1．2目标衍生属性光电侦察 1．2．1 目标衍生属性的概念 1．2．2 目标衍生属性光电侦察原理与分类 第二章 空中运动目标的风场扰动激光侦察 2．1 大气风场特性和目标扰动信息获取 2．1．1大气风场特性 2．1．2运动目标信息获取算法原理 2．1．3 大气风场分布反演算法 2．1．4 运动目标信息获取算法 2．1．5实验验证 2．2 目标大气风场扰动探测系统与性能分析 2．2．1 探测系统结构 2．2．2 探测系统性能分析 2．3 尾涡扰动场产生机理与特性 2．3．1 尾涡扰动场产生机理 2．3．2 尾涡扰动场解析模型 2．3．3 尾涡扰动场特征参量 2．3．4 仿真分析 2．4 基于相干多普勒激光雷达的尾涡探测 2．4．1 飞机尾涡的相干多普勒激光探测原理 2．4．2 尾涡回波多普勒谱建模与分析 2．4．3 仿真分析 2．5 基于激光回波的飞机尾涡识别与参数提取 2．5．1 激光雷达探测回波的预处理 2．5．2 基于多普勒谱特征的飞机尾涡识别 2．5．3基于激光回波的飞机尾涡参数提取 第三章 空中运动目标扰动大气成分激光侦察 3．1 大气CO2扰动激光侦察 3．1．1 目标扰动大气CO2成分特征 3．1．2大气CO2扰动激光探测原理 3．1．3差分吸收激光雷达探测系统方案 3．2水汽浓度探测 3．2．1水汽浓度探测原理 3．2．2 差分吸收激光雷达探测系统设计 3．2．3水汽浓度探测性能分析与仿真 3．3 大气成分扰动探测性能分析 3．3．1 经验模式分解与数据预处理性能分析 3．3．2 气体浓度反演精度分析 3．3．3 大气衰减与湍流对探测性能的影响 第四章 目标载体可视标识的分类识别 4．1标识图像灰度化预处理 4．1．1 灰度化方法概述 4．1．2 颜色分立特征灰度化原理 4．1．3 灰度化预处理 4．2 基于改进SIFT的标识识别 4．2．1 SIFT算子概述 4．2．2 椭圆邻域SIFT算子 4．2．3 识别方法 4．2．4 实验测试 第五章 目标载体逆反射属性的光电成像侦察 5．1 逆反射特性的量化模型 5．1．1 光照抑制临界条件归纳 5．1．2 量化模型建立 5．2 图像获取 5．2．1 主动成像系统设计 5．2．2 参数匹配 5．2．3 实验测试 5．3 准确定位与分割 5．3．1 特征显著性的定量描述 5．3．2 基于特征显著性的定位与分割 5．3．3 实验测试 (由于结题、专利申请、论文发表和脱密等原因，未能提供本章样稿) 第六章 电子目标红外侦察图像特征分析 6．1典型目标红外侦察图像特征 6．1．1 侦察波段选择和红外传感器 6．1．2 舰船目标红外图像特征 6．1．3 建筑目标红外图像特征 6．2 天基红外侦察背景特征 6．2．1 天基红外侦察图像的特点 6．2．2 背景特征量分析 6．2．3 背景特征量的有效性验证 6．3 红外侦察类特征 6．3．1 总体区别性类特征 6．3．2 个体识别性类特征 6．3．3 背景类特征 6．4 红外侦察特征选择方法 6．4．1 基于*小熵和遗传算法的特征选择 6．4．2 基于方差与相关系数综合法的特征优选 6．4．3 特征优化专家系统 第七章 电子目标红外侦察图像分类识别 7．1 电子目标红外图像增强 7．1．1 自适应形态学处理 7．1．2 基于小波变换的消噪与增强 7．1．3 红外图像增强均衡器 7．2 基于二维*大相关准则的阈值分割 7．2．1 基于二维*大相关准则的阈值选取 7．2．2 图像阈值分割递推算法原理 7．2．3 图像阈值分割递推算法仿真与分析 7．2．4 基于遗传算法的图像分割阈值优化原理 7．2．5 基于遗传算法的图像分割阈值优化仿真 7．3 目标分类识别 7．3．1基于类特征识别方法 7．3．2基于主成分分析与BP神经网络的识别方法 7．3．3基于ANFIS和减法聚类的目标分选 7．3．4机场的自适应识别方法 第八章 目标高光谱融合属性检测与分类 8．1 空-谱二维蚁群组合优化SVM的数据优化 8．1．1 空-谱二维特征蚁群组合优化 8．1．2 单蚁群优化实验 8．1．3 蚁群组合优化实验 8．2 空天一体图像融合建模仿真 8．2．1 空天一体光谱维变换 8．2．2 空天一体尺度空间变换 8．2．3 空天一体辐射强度变换 8．2．4 空天一体混合像素变换 8．2．5 空天一体噪声变换 8．2．6 实验测试 8．3基于三维GMRF模型和D-S证据理论的海背景目标检测 8．3．1 融合原理 8．3．2 算法设计 8．3．3 实验与分析 8．4 非线性核空间映射与人工免疫网络的分类方法8．4．1人工免疫网络建模与核空间映射 8．4．2人工免疫网络训练与高光谱图像分类 8．4．3 实验测试 8．5 基于自适应C-mutual比例标准差度量的kNNS算法的分类方法 8．5．1样本比例与聚类特征分析 8．5．2自适应C-mutual比例标准差度量 8．5．3 基于自适应C-mutual比例标准差度量的kNNS算法 8．5．4 实验测试