本书较全面地论述认知计算在夜视图像处理中的前沿理论与方法。主要内容包括仿生视觉感知机理、夜视图像视觉增强、夜视图像视觉特征提取、夜视图像显著检测、非训练夜视目标认知检测、时-空-谱夜视目标识别定位、数据驱动的多源夜视增强与信息融合感知等。本书反映了国内外发展现状和最新成果，也包含了作者近年来在这一领域的主要研究成果。

更多科学出版社服务，请扫码获取。

1989/09-1995/06，南京理工大学，光学工程，博士 1984/09-1988/06，南京理工大学，光电技术，学士2016.09-今 南京理工大学，电子工程与光电技术学院，院长，教授，博士生导师 2013.10-2016.09 南京理工大学，研究生院，常务副院长，教授，博士生导师 2002.04-2013.10 南京理工大学，科技处，副处长、处长，教授，博士生导师 1998.04-2002.04 南京理工大学，电子工程与光电技术学院，副教授，“光电技术与系统”教研室主任，光电技术系副主任 1994.07-1998.04 南京理工大学，电子工程与光电技术学院，讲师，“光电技术与系统”实验室主任光学工程/光电成像探测担任中央军委装备发展部专业组专家、中国人民武装警察部队装备部专家组专家，《红外与激光工程》副主编、优秀编委

目录
前言
第1章 绪论 1
1.1 多源夜视图像视觉认知学习的研究内容 2
1.2 夜视图像融合与视觉认知计算 3
1.3 仿生视觉认知计算模型方法 5
1.3.1 元胞自动机理论.7
1.3.2 非经典感受野机制 8
1.3.3 视觉稀疏感知特性理论 10
1.3.4 视觉注意机制 11
1.3.5 What/Where视觉感知过程 13
1.3.6 视觉层次认知学习过程 14
1.3.7 脑认知过程 15
1.4 视觉认知计算的夜视应用 18
1.4.1 基于稀疏表示的图像降噪 19
1.4.2 基于非经典感受野的轮廓提取 20
1.4.3 基于视觉特征的超分辨率重建 21
1.4.4 基于视觉注意的显著检测 22
1.4.5 基于稀疏分类的目标识别 25
1.4.6 基于层次化认知的目标检测定位 26
1.4.7 基于多模态深度特征增强的全天时视觉感知 28
1.5 本书概述 30
参考文献 31
第2章 夜视图像视觉增强 41
2.1 夜视图像特性分析 41
2.1.1 微光图像噪声分析 41
2.1.2 红外图像特征分析 43
2.2 基于局部稀疏结构的降噪增强模型 46
2.2.1 局部结构保持稀疏编码 46
2.2.2 核化局部结构保持稀疏编码 48
2.2.3 编码实现 49
2.2.4 局部稀疏结构降噪模型 54
2.3 基于分层的红外图像增强模型 58
2.3.1 图像结构层 59
2.3.2 图像纹理层 60
2.3.3 基于结构约束的图像层整合 62
2.4 基于元胞自动机的红外图像增强模型 62
2.4.1 基于梯度分布的先验知识 63
2.4.2 基于梯度分布残差的先验知识 64
2.4.3 迭代准则 64
2.5 实验结果与分析 65
2.5.1 基于局部稀疏结构降噪模型 65
2.5.2 基于分层的红外图像增强模型 75
2.5.3 基于元胞自动机的红外图像增强模型 79
2.6 本章小结 82
参考文献 82
第3章 夜视图像视觉特征提取 86
3.1 活动轮廓模型 86
3.1.1 SLGS模型 86
3.1.2 LBF模型 88
3.2 基于nCRF的夜视图像显著轮廓提取 89
3.2.1 基于WKPCA同质度校正nCRF抑制模型的微光图像显著轮廓提取 90
3.2.2 基于nCRF复合模型的复杂场景下夜视图像显著轮廓提取 105
3.2.3 两种模型对降噪前后微光图像轮廓提取效果比较 120
3.3 基于主动轮廓模型的光谱图像分割 121
3.3.1 自适应的基于多维特征的主动轮廓模型 121
3.3.2 基于空间–光谱信息的主动轮廓分割模型 134
3.4 本章小结 144
参考文献 145
第4章 数据驱动的夜视增强与特性建模 149
4.1 基于照明场重建的低照度图像增强 149
4.1.1 重照明原理与定义 149
4.1.2 光线传播与渲染过程 151
4.1.3 照明场重建网络设计 152
4.1.4 算法结果分析 154
4.2 基于频率感知退化的红外图像增强 157
4.2.1 图像退化模型 158
4.2.2 IFADGAN-SR网络框架 159
4.2.3 红外频域感知退化 160
4.2.4 基于退化生成的红外增强网络 163
4.2.5 实验测试与参数分析 164
4.3 基于位姿感知的红外视图渲染与场景重建 167
4.3.1 位姿感知优化 168
4.3.2 高频不变注意力增强 169
4.3.3 实验测试与参数分析 171
4.4 本章小结 177
参考文献 178
第5章 夜视图像显著检测 181
5.1 视觉注意和显著分析181
5.1.1 视觉感知系统 181
5.1.2 数据驱动的显著模型 183
5.1.3 任务驱动的显著模型 184
5.2 基于动态各向异性感受野的显著模型 184
5.2.1 离散型C-S模型 185
5.2.2 基于离散型C-S的显著检测算法 185
5.2.3 实验结果与分析 187
5.3 基于纹理显著性的微光图像目标检测 188
5.3.1 局部纹理粗糙度 188
5.3.2 纹理显著性度量 197
5.3.3 实验结果与分析 200
5.4 多模型互作用的视觉显著检测 203
5.4.1 基于布尔图和前景图的显著模型 204
5.4.2 基于图论布尔图的显著模型 210
5.4.3 实验结果与分析 214
5.5 本章小结 227
参考文献 227
第6章 非训练夜视目标认知检测 230
6.1 非训练夜视目标检测方法 230
6.2 基于局部与全局LARK特征的匹配模型的目标检测算法 231
6.2.1 LARK算子232
6.2.2 局部LARK特征和全局热扩散结合的红外目标检测模型 237
6.2.3 基于LARK特征和布尔图结合的红外目标检测模型 241
6.2.4 实验结果与分析 244
6.3 基于相似结构统计和近邻结构约束 LARK 特征的匹配模型 255
6.3.1 局部相似结构统计匹配模型.256
6.3.2 近邻结构匹配模型 261
6.3.3 实验结果分析 267
6.4 基于局部稀疏结构匹配模型的夜视目标鲁棒检测 275
6.4.1 局部稀疏结构匹配模型 275
6.4.2 LSSM模型分析与夜视目标检测效果 279
6.5 本章小结 289
参考文献 289
第7章 时--空--谱夜视目标识别定位 292
7.1 WWN模型生物机理 292
7.1.1 基于What和Where信息的视觉感知模型 293
7.1.2 现有WWN模型综述 296
7.1.3 WWN模型的延伸 297
7.2 3D-LARK特征算子 298
7.2.1 基于空间-光谱的3D-LARK 298
7.2.2 基于空间-时间的3D-LARK 300
7.2.3 其他特征算子与3D-LARK的比较 301
7.3 基于金字塔分层模型的多光谱目标识别 303
7.3.1 基于3D-LARK和分层模型的多光谱目标检测 303
7.3.2 基于局部和近邻结构特征约束的目标检测模型 315
7.4 基于空间–时间结构约束的3D-LARK视频动作识别 329
7.4.1 邻域高斯结构时空统计匹配 329
7.4.2 双层结构融合的运动目标检测模型 331
7.4.3 实验测试与参数分析 338
7.5 本章小结 349
参考文献 350
第8章 基于深度学习的多源夜视信息融合 353
8.1 基于对抗性语义引导的红外–可见光图像融合 353
8.1.1 基于对抗性语义引导的图像融合网络结构 354
8.1.2 网络约束与损失函数设计 358
8.1.3 实验结果及评价 360
8.2 基于多模态自编码的跨模态图像立体匹配 362
8.2.1 跨模态数据特征一致性提取 363
8.2.2 跨模态图像立体匹配网络设计 368
8.2.3 实验测试与参数分析 371
8.3 基于多源时空一致性的自监督点云补全 374
8.3.1 基于多模态时序约束的自监督框架设计 375
8.3.2 时序深度–光度一致性约束 376
8.3.3 基于自动特征点提取的位姿估计 380
8.3.4 网络训练与测试 381
8.4 本章小结 384
参考文献 384
第9章 基于信息融合的夜视目标感知 387
9.1 基于注意力特征融合的夜视图像语义分割 387
9.1.1 注意力特征融合的语义分割网络 388
9.1.2 残差增强与注意力增强 389
9.1.3 实验分析 394
9.2 基于噪声感知的多波段信息挖掘目标检测 395
9.2.1 基于噪声感知的目标检测算法网络 396
9.2.2 跨模态特征融合 397
9.2.3 实验分析 401
9.3 基于特征级与决策级融合注意的双模态跟踪 406
9.3.1 基于特征级与决策级融合注意的目标跟踪网络 407
9.3.2 双级平衡设计 410
9.3.3 实验测试与参数分析 413
9.4 本章小结 416
参考文献 417