本书分为七部分，其主要内容包括：定义和性能制度；目标检测策略；目标分类器策略；多传感器融合；下一代自动目标识别；自动目标识别器智能化等。

自动目标识别系统（ATR）是一个实时或近实时的图像/信号理解系统。自动目标识别系统以数据流作为输入，从输人数据中探测和识别目标，并输出目标列表。一个完整的自动目标识别系统也可完成其他功能，如图像稳定、预处理、图像拼接、目标跟踪、活动识别、多传感器融合、传感器/平台控制，并产生用于传输或显示的数据包。
　　在自动目标识别系统发展初期，倡导采用信号处理方法的研究者和倡导采用计算机视觉方法的研究者之间产生了激烈的争论。倡导信号处理方法的研究者关注的是先进的相关滤波器、随机分析、估计和优化、□换理论以及非平稳信号的时间—频率分析。倡导计算机视觉方法的研究者则认为，尽管信号处理为我们的工具箱提供了一些良好的工具，但我们真正想要的，是能够像生物视觉系统一样好的自动目标识别。这□□派的自动目标识别系统设计者对处理信号的兴趣要低于对理解场景的兴趣，他们建议采用人工智能（AI）、计算神经科学、演化算法、基于案例的推理、专家系统等方法来解决自动目标识别问题。信号处理专家感兴趣的是跟踪点状目标；而自动目标识别工程师则想要跟踪目标，识别目标，并确定目标将要采取的行动。信号处理专家追求更好的□□压缩方法；而自动目标识别系统工程师则想实现更智能的压缩，即，由自动目标识别系统告诉压缩算法哪部分场景更重要，值得分配更多的位数。自动目标识别本身也可以看作一种数据压缩方法，具有大量数据的输入压缩或具有相对少的数据的输出。由于数据链带宽限制，以及对时间紧迫的操作人员的工作负荷的限制，必须进行数据压缩。人们非常擅长于分析□□，直到开始感觉疲劳或者注意力分散。他们不希望像急救中心的分诊医生那样，评估发生的每件事情，并不断为值得进一步关注的事项分配优先级。飞行员和地面站操作人员希望有一个机器（只要它很少犯错误）来减轻他们的工作负担，这就需要自动目标识别系统工程师。正如作者所知，飞行员和图像分析师并不是寻求能够完全取代他们的机器。然而，随着自动目标识别技术的进步，将在指挥链的更高端进行这样的自动决策。
　　人的视觉系统不是面向对某些类型的数据的分析设计的，这些数据包括快速的步进凝视的图像、雷达所产生的复值的信号、超光谱图像、三维激光雷达数据，或者信号数据与各种类型的精确的元数据的融合。当数据率太高，或者持续时间太长，导致人脑难以处理时，或者数据不适于展示时，自动目标识别系统将有突出表现。虽然如此，现有的大多数自动目标识别系统是与人在回路中结合运用的。目前，在涉及需要会商、理解和判断的任务时，人比自动目标识别系统表现的更好，因此仍然需要由人做出□终决策，并确定要采取的行动。这就要求为决策人员提供自动目标识别输出（在本质上是统计的、多面的），且输出形式必须易于理解，这是一个困难的人/机接口问题。展望未来，更自主化的机器人系统将更多地依赖于自动目标识别，代替操作人员，自动目标识别器或许将成为整个机器人平台的“大脑”。我们将在本书结束时讨论这一令人兴奋的主题。
　　一旦自动目标识别系统可部署运用，系统工程师将予以关注。他们更加注重严格的现实需求，很少关心信号处理和计算机视觉之间的争论，也不想听到自动目标识别像“大脑”一样的说法，甚至对哪种分类方式性能更好也不感兴趣。他们关心系统运行使用概念方案（ConOps）。以及自动目标识别的性能和功能能力；关心任务使命目标和任务使命需求；关心如何确定所有可能的利益攸关者，形成一体化产品团队，确定关键性能参数（KPP），开发测试和评估（T&E）规程，以明确是否满足性能需求。在目前发表的期刊论文和会议论文中，通常采用性能自测试的方式，而确定一个系统是否可部署，通常要采用第三方独立测试和评估、实验室盲测试、外场测试和软件回归测试。系统工程师关注重点不限于自动目标识别性能，还希望整个系统或者由多个系统（包括平台、传感器、自动目标识别器和数据链）组成的体系能够良好地工作，他们不仅想要知道需为自动目标识别器提供的数据，以及自动目标识别器能为系统的其他组成部分提供的数据，还想要知道系统各组成部分对系统中其他组成部分产生的影响。系统设计师更关注尺寸、重量、功耗、时延、当前和未来的成本、勤务保障、时间线、平均无故障工作时间，以及产品维修和更新。他们也想要知道敌方获得系统会产生的影响。

序言






1 定义和*能测度






1.1 什么是自动目标识别






1.2 基本定义






1.3 探测准则






1.4 目标探测的*能测度






1.4.1 Truth归一化测度






1.4.2 报告归一化测度






1.4.3 接收机工作特*曲线






1.4.4 Pd—虚警率曲线






1.4.5 Pd—列表长度






1.4.6 可能进入探测方程的**因素






1.4.7 导弹术语






1.4.8 杂波水平






1.5 什么是自动目标识别？






1.5.1 物体的分类






1.5.2 混淆矩阵






1.5.3 源于概率和统计的某些常用的术语






1.6 试验设计






1.6.1
测试策划






1.6.2
自动目标识别和人的客观测试






1.7 自动目标识别的硬件软件特*






参考文献






2 目标检测策略






2.1 引言






2.1.1
什么是目标检测？






2.1.2
检测方案






2.1.3
尺度伸缩






2.1.4
偏振、阴影和图像形式






2.1.5
算法评估的方法学






2.2 简单的检测算法






2.2.1 三窗口滤波器






2.2.2 用于一幅图像的*设检测






2.2.3 两种凭经验确定的方法的比较：T测试的变化






2.2.4 涉及到方差、变化和离散度的检测






2.2.5 用于热点的显著*的检测






2.2.6 非参数检测






2.2.7 涉及到纹理和分形的检测






2.2.8 涉及到亮斑边缘强度的检测






2.2.9 混合检测






2.2.10 采用几个内部窗口的三窗口滤波器






2.3 更复杂的检测器






2.3.1
神经网络检测器






2.3.2
判别函数






2.3.3
可变形的模板






2.4 总的范式






2.4.1
几何和人类智能






2.4.2
神经网络范式






2.4.3
在飞行中学习






2.4.4
**和处理一体化






2.4.5
Bayesian的惊奇






2.4.6 建模和仿真






2.4.7
SIFT和SURF






2.4.8
设计用于作战使用场景的检测器






2.5 常规的合成孔径雷达和超光谱目标检测器






2.5.1 合成孔径雷达图像中的目标检测






2.5.2 超光谱图像中的目标检测






2.6 结论和未来方向






参考文献






附录






3 目标分类策略






3.1 引言






3.1.1 错觉和矛盾






3.2 在目标分类中要考虑的主要问题






3.2.1
问题1：运行使命概念方案






3.2.2
问题2：输入和输出






3.2.3
问题3：目标类别






3.2.4
问题4：目标的变化






3.2.5
问题5：平台问题






3.2.6
问题6：在什么条件下传感器能提供有用的数据？






3.2.7
问题7：传感器问题






3.2.8
问题8：处理器






3.2.9
问题9：将分类结果传递给回路中的人






3.2.10
问题10：可行*






3.3 特征提取






3.4 特征选择






3.5 特征类型的例子






3.5.1
有向梯度的直方图






3.5.2
光流特征矢量的直方图






3.6 分类器的例子






3.6.1
简单的分类器






3.6.2
基本的分类器






3.6.3
竞争赢出和新流行的分类器






3.7 讨论






参考文献






4 自动目标跟踪和自动目标识别的一体化






4.1 引言






4.2 跟踪问题的类别






4.2.1 目标的数目






4.2.2 目标的*小<*r />




4.2.3 传感器类型






4.2.4 目标类型






4.3 跟踪问题






4.3.1
点目标跟踪






4.3.2
视频跟踪






4.4 目标跟踪的扩展






4.4.1 行动识别






4.4.2 生活模式和取*






4.5 协同的自动目标跟踪和自动目标识别






4.5.1
对自动目标识别有用的自动目标跟踪数据






4.5.2
的自动目标跟踪有用的自动目标识别数据






4.6 自动目标跟踪和自动目标识别的一体化






4.6.1
视觉追踪






4.6.2
蝙蝠对飞行的昆虫的回声定位






4.6.3
融合的自动目标跟踪和自动目标识别






4.7 讨论






参考文献






5 你的自动目标识别器有多智能？






5.1 引言






5.2 用于确定一个自动目标识别的智能的测试






5.2.1
自动目标识别理解人的文化*？<*r />




5.2.2
自动目标识别可以推演一个场景的要点*？<*r />




5.2.3
自动目标识别理解物理学*？<*r />




5.2.4
自动目标识别可以参与任务前的情况介绍*？<*r />




5.2.5
自动目标识别能够进行深入的概念理解*？<*r />




5.2.6
自动目标识别能适应于态势，在飞行中学习，并做出类比*？<*r />




5.2.7
自动目标识别能理解交战规则*？<*r />




5.2.8
自动目标识别能理解战场规则和部队结构*？<*r />




5.2.9
自动目标识别能控制平台的运动*？<*r />




5.2.10
自动目标识别可以融化宽范围的信息源的信息*？<*r />




5.2.11
自动目标识别具有元认知*？<*r />




5.3 有感知—睿智的自动目标识别






5.4 讨论：自动目标识别将走向何方？






参考文献






附录1：资源






附录2：术语






索引