目錄
第1章 緒論 1
1.1 海洋機(jī)器人應(yīng)用概述 1
1.1.1 海洋機(jī)器人的分類(lèi) 1
1.1.2 海洋機(jī)器人的應(yīng)用 2
1.1.3 海洋機(jī)器人的主要特征 5
1.2 海洋機(jī)器人的感知需求 5
1.3 智能感知技術(shù)概念內(nèi)涵、研究方向及發(fā)展現(xiàn)狀 6
1.3.1 智能感知技術(shù)概念內(nèi)涵 6
1.3.2 智能感知技術(shù)研究方向 7
1.3.3 智能感知技術(shù)發(fā)展現(xiàn)狀 9
本章小結(jié) 10
第2章 海洋感知信息處理與分析基礎(chǔ) 11
2.1 海洋探測(cè)成像模型 11
2.1.1 大氣光學(xué)成像模型 11
2.1.2 水下光學(xué)成像模型 12
2.1.3 水聲傳輸模型 14
2.1.4 化學(xué)物質(zhì)擴(kuò)散模型 15
2.2 感知信息空間域分析 16
2.2.1 空間域平滑方法 16
2.2.2 空間域銳化方法 18
2.2.3 數(shù)學(xué)形態(tài)學(xué)方法 20
2.3 感知信息頻域分析 22
2.3.1 頻域?yàn)V波器設(shè)計(jì) 22
2.3.2 頻域平滑方法 23
2.3.3 頻域銳化方法 25
2.4 感知信息統(tǒng)計(jì)分析 26
2.4.1 統(tǒng)計(jì)分析模型 26
2.4.2 直方圖方法 28
2.4.3 概率模型理論 29
2.5 機(jī)器學(xué)習(xí)基礎(chǔ) 31
2.5.1 決策樹(shù)與隨機(jī)森林 31
2.5.2 神經(jīng)網(wǎng)絡(luò)原理 34
2.5.3 支持向量機(jī) 36
2.5.4 貝葉斯理論方法 37
2.5.5 聚類(lèi)原理 39
本章小結(jié) 40
第3章 海洋信息預(yù)處理方法 41
3.1 信息質(zhì)量評(píng)價(jià)方法 41
3.1.1 無(wú)參考評(píng)價(jià)方法 41
3.1.2 全參考評(píng)價(jià)方法 43
3.1.3 部分參考評(píng)價(jià)方法 45
3.2 海洋感知信息去噪方法 45
3.2.1 空間域去噪方法 46
3.2.2 頻域?yàn)V波方法 49
3.2.3 噪聲模型方法 51
3.3 海洋感知信息增強(qiáng)方法 53
3.3.1 空間域增強(qiáng)方法 54
3.3.2 頻域增強(qiáng)方法 55
3.3.3 模型增強(qiáng)方法 56
3.4 損失信息恢復(fù)方法 60
3.4.1 信息模型方法 60
3.4.2 壓縮感知與稀疏表達(dá) 62
本章小結(jié) 63
第4章 海洋場(chǎng)景分割方法 64
4.1 感知數(shù)據(jù)分割聚類(lèi)方法 64
4.1.1 K均值聚類(lèi)方法 64
4.1.2 模糊C均值聚類(lèi)方法 65
4.1.3 高斯混合模型方法 66
4.2 相似性分析與分割方法 67
4.2.1 特征評(píng)價(jià)方法 67
4.2.2 超像素區(qū)域方法 68
4.2.3 相似性分割方法 69
4.3 語(yǔ)義分析與分割方法 71
4.3.1 語(yǔ)義區(qū)域分割與合并 71
4.3.2 語(yǔ)義特征表達(dá) 72
4.3.3 語(yǔ)義神經(jīng)網(wǎng)絡(luò) 73
4.4 海洋目標(biāo)實(shí)例分割 73
4.4.1 實(shí)例分割概念 74
4.4.2 實(shí)例分割方法原理 74
4.4.3 實(shí)例分割優(yōu)化 81
本章小結(jié) 84
第5章 海洋目標(biāo)檢測(cè)識(shí)別方法 85
5.1 目標(biāo)特征設(shè)計(jì)與分析 85
5.1.1 目標(biāo)直方圖特征 85
5.1.2 目標(biāo)局部區(qū)域特征 86
5.1.3 目標(biāo)邊界特征 87
5.2 典型人工特征原理 90
5.2.1 HOG特征原理 90
5.2.2 SIFT/SURF特征原理 92
5.2.3 Haar特征原理 96
5.3 經(jīng)典特征模型方法 98
5.3.1 特征的可分性測(cè)度 98
5.3.2 基于類(lèi)內(nèi)散布矩陣的特征提取 100
5.3.3 K-L變換特征提取 102
5.3.4 特征降維方法 104
5.4 人工神經(jīng)網(wǎng)絡(luò) 104
5.4.1 感知機(jī)原理 105
5.4.2 前饋神經(jīng)網(wǎng)絡(luò) 107
5.4.3 反向傳播神經(jīng)網(wǎng)絡(luò) 109
5.4.4 深度神經(jīng)網(wǎng)絡(luò) 110
本章小結(jié) 115
第6章 海洋目標(biāo)跟蹤方法 116
6.1 目標(biāo)跟蹤特征模型 116
6.1.1 特征模型分類(lèi) 116
6.1.2 特征模型表達(dá) 117
6.1.3 特征模型實(shí)時(shí)更新 118
6.2 目標(biāo)跟蹤基本原理與分類(lèi) 120
6.2.1 目標(biāo)跟蹤框架 120
6.2.2 目標(biāo)跟蹤原理與實(shí)現(xiàn) 121
6.2.3 目標(biāo)跟蹤分類(lèi)及特點(diǎn) 122
6.3 單目標(biāo)跟蹤方法 124
6.3.1 單目標(biāo)跟蹤原理 124
6.3.2 主要單目標(biāo)跟蹤方法及特點(diǎn) 124
6.4 多目標(biāo)跟蹤方法 129
6.4.1 多目標(biāo)跟蹤原理 129
6.4.2 主要多目標(biāo)跟蹤方法及特點(diǎn) 130
本章小結(jié) 134
第7章 海洋目標(biāo)定位方法 135
7.1 側(cè)掃聲吶技術(shù) 135
7.1.1 基本原理 135
7.1.2 關(guān)鍵應(yīng)用 137
7.2 多基地聲吶定位算法 137
7.2.1 型多基地定位系統(tǒng) 137
7.2.2 型多基地定位系統(tǒng) 139
7.2.3 型多基地定位系統(tǒng) 141
7.3 單目視覺(jué)定位 142
7.3.1 圖像坐標(biāo)系、攝像機(jī)坐標(biāo)系與世界坐標(biāo)系 142
7.3.2 攝像機(jī)成像模型 144
7.3.3 基于點(diǎn)特征的單目視覺(jué)定位算法 146
7.4 雙目視覺(jué)定位 147
7.4.1 雙目立體視覺(jué)原理 147
7.4.2 雙目立體視覺(jué)的精度分析 150
7.4.3 雙目立體視覺(jué)系統(tǒng)標(biāo)定 152
本章小結(jié) 153
第8章 多傳感器信息融合方法 154
8.1 多傳感器標(biāo)定方法 155
8.1.1 多傳感器標(biāo)定原理 155
8.1.2 多傳感器聯(lián)合標(biāo)定方法 160
8.2 多傳感器信息數(shù)據(jù)融合 161
8.3 多傳感器信息特征融合 163
8.3.1 傳感器特征融合 163
8.3.2 融合特征處理方法 168
8.4 多傳感器信息決策融合 172
本章小結(jié) 177
第9章 海洋環(huán)境建模與態(tài)勢(shì)感知方法 178
9.1 海洋環(huán)境模型構(gòu)建方法 178
9.1.1 三維靜態(tài)模型 178
9.1.2 三維動(dòng)態(tài)模型 179
9.1.3 二維柵格地圖 180
9.1.4 二維拓?fù)涞貓D 180
9.2 目標(biāo)狀態(tài)分析判別方法 181
9.2.1 特征提取方法 182
9.2.2 數(shù)據(jù)融合技術(shù) 183
9.2.3 目標(biāo)行為識(shí)別 184
9.3 局部環(huán)境態(tài)勢(shì)分析方法 186
9.3.1 環(huán)境狀態(tài)監(jiān)測(cè) 186
9.3.2 危險(xiǎn)預(yù)測(cè) 187
9.3.3 決策支持 187
9.4 態(tài)勢(shì)推演預(yù)測(cè)方法 188
9.4.1 動(dòng)態(tài)模型建立 188
9.4.2 態(tài)勢(shì)推演算法 189
9.4.3 預(yù)測(cè)結(jié)果驗(yàn)證 190
本章小結(jié) 190
參考文獻(xiàn) 191