本书全面地介绍了水下目标检测与跟踪领域的系统知识及最新成果，主要内容包括声纳图像分割方法、声纳图像目标检测方法、基于不同原理的声纳图像目标识别方法、基于最小生成树的目标跟踪方法、基于图的半监督目标跟踪方法、基于?1图半监督学习的目标跟踪方法、基于多视图半监督协同训练的目标跟踪方法。此外，还给出了一些水下目标检测与跟踪应用的案例。结合不同的应用背景，分析梳理并解决相关算法的环境适应性修正，为工程化应用提供必要的技术基础和有价值的参考。
李轲，男，1985年生，海军上校，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。主持和参与10余项国家自然科学基金项目、原总装预研项目、军内外重点科研项目，主持湖北省自然科学基金项目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，其中第一作者12篇，通讯作者2篇，SCI收录6篇、EI收录4篇，出版专著1部、国防出版译著基金资助译著2部，获得国防发明/实用新型专利授权7项和软件著作权4项。
第1章 概述1
1.1 水下目标检测与跟踪的意义1
1.2 目标检测技术的研究现状2
1.3 目标跟踪技术的研究现状5
1.4 基于图理论的算法6
1.4.1 基于图方法的基本概念6
1.4.2 图的构造方法7
1.4.3 基于图方法在视频跟踪中的应用10
参考文献11
第2章 图像预处理14
2.1 引言14
2.2 滤波算法简述15
2.2.1 平滑线性滤波15
2.2.2 维纳滤波16
2.2.3 低通滤波17
2.2.4 中值滤波18
2.2.5 基于数学形态学的滤波19
2.2.6 基于神经网络的滤波19
2.2.7 基于偏微分方程的滤波21
2.2.8 基于小波变换的滤波22
2.3 声呐图像灰度统计模型特性分析23
2.3.1 声呐图像统计特性23
2.3.2 统计模型描述24
2.3.3 对比分析26
2.4 基于偏微分方程的非线性扩散滤波算法28
2.4.1 相干斑噪声28
2.4.2 非线性扩散滤波模型29
2.4.3 算法改进31
2.4.4 实验研究34
2.5 基于窗口选择的自适应增强算法36
2.5.1 窗口选择37
2.5.2 自适应窗口增强方法37
2.5.3 实验研究38
2.6 小结40
参考文献40
第3章 声呐图像分割43
3.1 引言43
3.2 图像分割算法简述43
3.2.1 阈值化图像分割43
3.2.2 边缘检测图像分割44
3.2.3 基于区域的分割45
3.2.4 基于形态学分水岭的分割46
3.3 基于标记和模糊聚类的分水岭声呐图像分割47
3.3.1 分水岭前处理及变换48
3.3.2 基于粒子群算法的模糊聚类49
3.3.3 实验研究52
3.4 基于自适应迭代阈值的声呐图像分割算法54
3.4.1 算法描述54
3.4.2 实验研究55
3.5 基于马尔可夫随机场的声呐图像分割算法55
3.5.1 算法描述56
3.5.2 实验研究58
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60
3.6.1 算法描述61
3.6.2 二值化阈值63
3.6.3 干扰抑制65
3.7 小结67
参考文献67
第4章 目标检测70
4.1 引言70
目 录
4.2 基于灰度统计量的检测算法71
4.2.1 算法描述71
4.2.2 实验研究73
4.3 基于纹理特征的目标检测算法79
4.3.1 算法描述79
4.3.2 实验研究82
4.4 基于几何形状特征的检测算法86
4.4.1 算法描述86
4.4.2 实验研究88
4.5 基于灰度分布概率模型的检测算法90
4.5.1 参数特征检测算法90
4.5.2 信息熵检测算法92
4.5.3 实验研究92
4.6 基于残留轮廓信息的水下沉船目标检测算法95
4.6.1 目标和图像特性分析95
4.6.2 算法描述与实验研究96
4.7 基于合成孔径声呐图像的水下条状人造目标检测算法102
4.7.1 目标和图像特性分析102
4.7.2 算法描述与实验研究103
4.8 小结105
参考文献105
第5章 目标识别108
5.1 引言108
5.2 基于特征提取的声呐图像目标识别算法109
5.2.1 图像规格化110
5.2.2 特征选择与提取111
5.2.3 实验研究112
5.2.4 基于主成分分析的特征优化114
5.3 基于形状描述直方图的声呐图像目标识别算法116
5.3.1 算法描述116
5.3.2 实验研究119
5.4 基于形状上下文的声呐图像目标识别算法122
5.4.1 算法描述122
5.4.2 实验研究123
5.5 小结124
参考文献125
第6章 声呐图像目标跟踪算法127
6.1 引言127
6.1.1 图像视觉特征与跟踪方法分类127
6.1.2 图像序列分析128
6.2 基于卡尔曼滤波和数据关联的跟踪算法131
6.2.1 算法描述131
6.2.2 实验研究134
6.3 基于形态特征的水下运动小目标跟踪算法136
6.3.1 单边分段自适应阈值化136
6.3.2 形态特征提取和跟踪137
6.3.3 实验研究140
6.4 基于支持向量机的水下动目标跟踪算法141
6.4.1 图像预处理142
6.4.2 特征参数提取和跟踪143
6.4.3 实验研究144
6.5 基于声呐序列图像的水下小目标检测算法147
6.5.1 屏蔽背景噪声区147
6.5.2 滤波去噪149
6.5.3 消除“双影”和“空洞”现象的双帧差检测149
6.5.4 图像弱化腐蚀151
6.5.5 生成警戒区152
6.5.6 实验研究153
6.6 基于全局最近邻数据关联的水下动目标跟踪算法155
6.6.1 目标参数计算155
6.6.2 基于面积约束的全局域最近邻数据关联156
6.6.3 波浪跟踪160
6.7 小结161
参考文献162
第7章 基于最小生成树的目标跟踪算法164
7.1 引言164
7.2 单类分类器与目标跟踪165
7.2.1 目标跟踪中的单类分类器与两类分类器165
7.2.2 单类分类问题166
7.3 最小生成树单类描述子168
7.4 基于最小生成树的目标跟踪算法169
7.4.1 目标运动模型170
7.4.2 目标类训练样本集的构建170
7.4.3 基于最小生成树的目标跟踪算法172
7.4.4 图的更新172
7.4.5 算法步骤173
7.5 实验研究173
7.5.1 与两类分类器的比较175
7.5.2 样本选择策略的有效性175
7.5.3 最小生成树节点数目的影响178
7.5.4 与其他算法的比较178
7.6 小结189
参考文献190
第8章 基于图的半监督目标跟踪算法192
8.1 引言192
8.2 背景知识193
8.2.1 基于图的半监督学习193
8.2.2 局部敏感判别分析方法196
8.3 基于图的半监督目标跟踪197
8.3.1 样本集的构建197
8.3.2 基于部件的目标表示199
8.3.3 基于图的半监督跟踪200
8.3.4 图的更新200
8.3.5 算法步骤201
8.4 实验研究202
8.4.1 样本集构建方法分析202
8.4.2 图的节点数目对算法影响的分析203
8.4.3 与其他算法的比较205
8.5 小结215
参考文献216
第9章 基于1图半监督学习的目标跟踪算法217
9.1 引言217
9.2 背景知识217
9.2.1 图的构建方法217
9.2.2 1图的构建219
9.3 基于1图的目标跟踪219
9.3.1 特征空间221
9.3.2 样本采集221
9.3.3 基于1图的半监督学习222
9.3.4 多特征融合与目标定位223
9.4 实验研究223
9.4.1 与k近邻图的比较223
9.4.2 与其他算法的比较226
9.5 小结235
参考文献236
第10章 基于多视图半监督协同训练的
目标跟踪算法237
10.1 引言237
10.2 基于多视图半监督协同学习的目标跟踪238
10.2.1 算法框架239
10.2.2 样本采集239
10.2.3 多视图数据集的建立239
10.2.4 单视图下分类器的构建241
10.2.5 基于负类的多视图协同训练241
10.2.6 分类器权重估计与目标定位242
10.2.7 图的更新243
10.3 实验研究243
10.3.1 定量比较243
10.3.2 定性比较251
10.4 小结253
参考文献254
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255
11.1 引言255
11.2 无人机对地（海）面目标视频跟踪的特点255
11.3 无人机对地（海）面目标视频跟踪实验256
11.3.1 实验数据库256
11.3.2 实验结果260
11.4 小结271
参考文献272
书单推荐
