視覺仿生成像制導(dǎo)技術(shù)及應(yīng)用

第1章 緒論
1．1 仿生技術(shù)
1．1．1 仿生技術(shù)發(fā)展概況
1．1．2 仿生技術(shù)分類及主要研究內(nèi)容
1．2 紅外成像制導(dǎo)技術(shù)
1．2．1 紅外成像制導(dǎo)技術(shù)發(fā)展概況
1．2．2 紅外成像制導(dǎo)的基本原理及特點
1．2．3 紅外制導(dǎo)系統(tǒng)的結(jié)構(gòu)及工作過程
1．3 視覺仿生成像制導(dǎo)技術(shù)
1．3。1 鱟復(fù)眼仿生技術(shù)
1．3．2 蠅復(fù)眼仿生技術(shù)
1．3．3 人眼仿生技術(shù)
第2章 鱟視覺系統(tǒng)原理及其在成像制導(dǎo)中的應(yīng)用
2．1 鱟視覺系統(tǒng)的研究意義及國內(nèi)外研究現(xiàn)狀
2．1．1 鱟視覺系統(tǒng)的研究意義
2．1．2 鱟視覺系統(tǒng)的國內(nèi)外研究現(xiàn)狀
2．2 鱟視覺系統(tǒng)的側(cè)抑制現(xiàn)象及數(shù)學(xué)模型
2．2．1 Hartline等人對于鱟視網(wǎng)膜中抑制性相互
作用的研究
2．2．2 側(cè)抑制原理的作用及應(yīng)用
2．3數(shù)字式細(xì)胞神經(jīng)網(wǎng)絡(luò)(DCNN)在圖像處理中的
應(yīng)用
2．3．1 人工神經(jīng)網(wǎng)絡(luò)概述
2．3．2 細(xì)胞神經(jīng)網(wǎng)絡(luò)及數(shù)字式細(xì)胞神經(jīng)網(wǎng)絡(luò)理論
簡介
2．3．3 DCNN在圖像二值化中的應(yīng)用
2．4 數(shù)字式非循環(huán)側(cè)抑制網(wǎng)絡(luò)
2．4．1 數(shù)字式非循環(huán)側(cè)抑制網(wǎng)絡(luò)的定義
2．4．2 數(shù)字式非循環(huán)側(cè)抑制網(wǎng)絡(luò)的穩(wěn)定性
2．4．3 數(shù)字式非循環(huán)側(cè)抑制網(wǎng)絡(luò)在圖像增強(qiáng)中的
應(yīng)用
2．4．4 側(cè)抑制網(wǎng)絡(luò)在圖像匹配中的應(yīng)用
2．4．5 數(shù)字式非循環(huán)側(cè)抑制網(wǎng)絡(luò)在聯(lián)想記憶中的
應(yīng)用
2．5 循環(huán)側(cè)抑制網(wǎng)絡(luò)
2．5．1 循環(huán)側(cè)抑制網(wǎng)絡(luò)與非循環(huán)側(cè)抑制網(wǎng)絡(luò)的
主要區(qū)別
2．5．2 循環(huán)側(cè)抑制網(wǎng)絡(luò)的數(shù)學(xué)模型
2．5．3 循環(huán)側(cè)抑制網(wǎng)絡(luò)對圖像的對比度增強(qiáng)
驗證
3章 蠅視覺仿生在成像制導(dǎo)中的應(yīng)用
3．1 蠅視覺系統(tǒng)的研究意義
3．1．1 研究的背景及科學(xué)意義
3．1．2 國內(nèi)外研究現(xiàn)狀
3．1．3 需要解決的關(guān)鍵技術(shù)問題
3．2 蠅復(fù)眼的生理及物理過程
3．2．1 蠅視覺系統(tǒng)的生理結(jié)構(gòu)
3．2．2 復(fù)眼的光學(xué)特性和成像特性
3．3 運(yùn)動檢測器及圖像速度估計
3．3．1 運(yùn)動檢測器模型分析
3．3．2 運(yùn)動檢測器的一般算法
3．3．3 運(yùn)動檢測器對寬帶運(yùn)動圖像的速度
估計
3．4 圖像的仿復(fù)眼鑲嵌整合
3．4．1 圖像的配準(zhǔn)
3．4．2 基于小波分解的仿復(fù)眼圖像整合方法
3．5 蠅復(fù)眼仿生在紅外成像制導(dǎo)中的綜合應(yīng)用
3．5．1 仿蠅復(fù)眼的紅外成像導(dǎo)引頭設(shè)計
3．5．2 圖像配準(zhǔn)算法的簡化
3．5．3 蠅復(fù)眼視覺機(jī)制在紅外成像制導(dǎo)中的綜合應(yīng)用
第4章 人眼視覺仿生在成像制導(dǎo)中的應(yīng)用
4．1 人眼視覺系統(tǒng)研究概論
4．1．1 人眼視覺系統(tǒng)的研究意義
4．1．2 人眼視覺系統(tǒng)的研究現(xiàn)狀
4．1．3 機(jī)器視覺的研究概況與方法論
4．1．4 生物視覺研究在紅外成像制導(dǎo)中的應(yīng)用前景
4．1．5 本章主要研究內(nèi)容
4．2 人眼視覺機(jī)制
4．2．1 視覺系統(tǒng)通路
4．2．2 視網(wǎng)膜生理結(jié)構(gòu)和機(jī)制
4．2．3 膝狀體與視皮層
4．3 人眼視覺系統(tǒng)的側(cè)抑制與感受野機(jī)制
4．3．1 人眼視覺系統(tǒng)的側(cè)抑制信息處理
機(jī)制
4．3．2 側(cè)抑制與感受野的聯(lián)系
4．3．3 基于能量恢復(fù)的側(cè)抑制邊緣檢測方法
4．3．4 Off型感受野模型的應(yīng)用
4．4 眼球微動與超分辨機(jī)制
4．4．1 人眼微動與視覺適應(yīng)性
4．4．2 視網(wǎng)膜動態(tài)分析與模擬
4．4．3 視覺的分辨率問題分析
4．5 視網(wǎng)膜尺度空間建模設(shè)計
4．5．1 視網(wǎng)膜的尺度性質(zhì)
4．5．2 新高斯空間卷積模板的構(gòu)造
4．6 視網(wǎng)膜視皮層映射實現(xiàn)算法研究
4．6．1 視覺系統(tǒng)的非均勻性映射與傳輸分析
4．6．2 對數(shù)極坐標(biāo)映射實現(xiàn)算法
4．6．3 非均勻映射的推廣
4．6．4 空間變分辨率視覺系統(tǒng)快速實現(xiàn)研究
4．7 基于對數(shù)極坐標(biāo)映射變換陣的匹配識別算法
4．7．1 基于非均勻變換陣的圖像處理與識別前景
4．7．2 基于變換陣的匹配識別與跟蹤算法
4．8 生物啟發(fā)的特定任務(wù)視覺算法
4．8．1 基于費克納定律的紅外圖像增強(qiáng)
4．8．2 基于背景抑制的空中紅外圖像分割
4．8．3 基于Radon變換的機(jī)場跑道識別
4．8．4 小結(jié)
4．9 空間變分辨率機(jī)制在紅外成像制導(dǎo)中的應(yīng)用
4．9．1 空間變分辨率機(jī)制在紅外成像制導(dǎo)系統(tǒng)中的實現(xiàn)
4．9．2 基于空間雙模描述的內(nèi)外場景并行實現(xiàn)模型
參考文獻(xiàn)