紅外熱成像檢測(cè)及其應(yīng)用

目 錄
第1章 緒論 1
1.1 研究背景和意義 1
1.2 國(guó)內(nèi)外研究現(xiàn)狀 2
1.2.1 被動(dòng)式紅外熱成像檢測(cè)研究現(xiàn)狀 3
1.2.2 主動(dòng)式紅外熱成像檢測(cè)研究現(xiàn)狀 3
1.3 紅外熱成像檢測(cè)的特點(diǎn)及應(yīng)用 5
1.3.1 紅外熱成像檢測(cè)的特點(diǎn) 5
1.3.2 紅外熱成像檢測(cè)的應(yīng)用范例 6
參考資料 9
第2章 紅外熱成像檢測(cè)原理 13
2.1 紅外線 13
2.1.1 電磁波屬性 13
2.1.2 吸收、反射、透射定律 13
2.2 傳熱學(xué)基礎(chǔ) 14
2.2.1 熱傳導(dǎo) 15
2.2.2 熱對(duì)流 15
2.2.3 熱輻射 15
2.3 紅外熱輻射 16
2.3.1 黑體的熱輻射定律 16
2.3.2 實(shí)際物體的熱輻射定律 18
2.4 紅外熱像儀檢測(cè)原理 19
2.4.1 大氣窗口 19
2.4.2 熱像儀成像原理 19
參考資料 20
第3章 紅外視覺(jué)人體行為的檢測(cè)與識(shí)別 21
3.1 概述 21
3.1.1 研究背景和意義 21
3.1.2 國(guó)內(nèi)外研究現(xiàn)狀 22
3.1.3 紅外人體行為識(shí)別技術(shù)的難點(diǎn)與發(fā)展趨勢(shì) 26
3.2 卷積神經(jīng)網(wǎng)絡(luò) 27
3.2.1 卷積層 28
3.2.2 激活層 28
3.2.3 池化層 30
3.2.4 全連接層 31
3.3 循環(huán)神經(jīng)網(wǎng)絡(luò) 31
3.3.1 基礎(chǔ)循環(huán)神經(jīng)網(wǎng)絡(luò) 31
3.3.2 雙向循環(huán)神經(jīng)網(wǎng)絡(luò) 32
3.4 基于特征融合與通道注意力機(jī)制的SSD紅外人體目標(biāo)檢測(cè) 32
3.4.1 紅外人體成像空域特征分析 33
3.4.2 SSD模型結(jié)構(gòu) 35
3.4.3 改進(jìn)SSD紅外人體目標(biāo)檢測(cè)模型 36
3.4.4 實(shí)驗(yàn)與結(jié)果分析 40
3.5 基于深度殘差網(wǎng)絡(luò)的紅外人體姿態(tài)估計(jì) 45
3.5.1 CPMs 45
3.5.2 基于深度殘差網(wǎng)絡(luò)的改進(jìn)CPMs模型 47
3.5.3 實(shí)驗(yàn)與結(jié)果分析 50
3.6 基于時(shí)空混合模型的紅外人體行為識(shí)別 54
3.6.1 基于人體骨骼關(guān)鍵點(diǎn)的時(shí)空混合模型 55
3.6.2 實(shí)驗(yàn)結(jié)果 58
3.6.3 數(shù)據(jù)分析 60
3.7 本章小結(jié) 63
參考資料 63
第4章 紅外弱小目標(biāo)檢測(cè) 69
4.1 概述 69
4.1.1 研究背景和意義 69
4.1.2 國(guó)內(nèi)外研究現(xiàn)狀 70
4.2 基于ADMM和改進(jìn)Top-hat變換的紅外弱小目標(biāo)檢測(cè) 75
4.2.1 魯棒主成分分析 75
4.2.2 ADMM 76
4.2.3 形態(tài)學(xué)Top-hat及NWTH 76
4.2.4 改進(jìn)算法 77
4.2.5 實(shí)驗(yàn)結(jié)果與分析 80
4.3 基于LCM的自適應(yīng)Top-hat紅外弱小目標(biāo)檢測(cè) 88
4.3.1 LCM 88
4.3.2 改進(jìn)雙結(jié)構(gòu)元素Top-hat 89
4.3.3 基于LCM的自適應(yīng)Top-hat 91
4.3.4 實(shí)驗(yàn)結(jié)果與分析 92
4.4 基于NSCT和三層窗口LCM的紅外弱小目標(biāo)檢測(cè) 103
4.4.1 NSCT 103
4.4.2 引導(dǎo)濾波 105
4.4.3 三層滑動(dòng)窗口LCM 106
4.4.4 相關(guān)算法 108
4.4.5 實(shí)驗(yàn)結(jié)果與分析 109
4.5 本章小結(jié) 117
參考資料 118
第5章 紅外圖像與可見(jiàn)光圖像融合 123
5.1 概述 123
5.1.1 研究背景和意義 123
5.1.2 國(guó)內(nèi)外研究現(xiàn)狀 123
5.2 紅外圖像與可見(jiàn)光圖像配準(zhǔn)與融合的相關(guān)理論 128
5.2.1 圖像配準(zhǔn)理論 128
5.2.2 圖像融合理論 132
5.3 基于CycleGAN-CSS的圖像配準(zhǔn)算法 136
5.3.1 基于CycleGAN的模態(tài)轉(zhuǎn)換 136
5.3.2 圖像配準(zhǔn) 139
5.3.3 圖像匹配實(shí)驗(yàn)及其結(jié)果分析 143
5.4 基于多尺度各向異性擴(kuò)散的圖像融合算法 147
5.4.1 相關(guān)理論 148
5.4.2 融合算法 149
5.4.3 實(shí)驗(yàn)結(jié)果與分析 151
5.5 基于潛在低秩表示下的DDcGAN圖像融合算法 157
5.5.1 算法流程 157
5.5.2 基于潛在低秩表示的圖層分解 158
5.5.3 低秩分量融合 158
5.5.4 稀疏分量融合 162
5.5.5 實(shí)驗(yàn)結(jié)果與分析 163
5.6 本章小結(jié) 166
參考資料 167
第6章 缺陷埋深的脈沖紅外熱波定量檢測(cè) 173
6.1 概述 173
6.1.1 研究背景和意義 173
6.1.2 國(guó)內(nèi)外研究現(xiàn)狀 173
6.2 脈沖紅外熱波測(cè)量缺陷深度理論 176
6.2.1 主動(dòng)紅外熱成像檢測(cè)分類(lèi) 176
6.2.2 脈沖紅外熱波缺陷深度定量檢測(cè)原理 177
6.3 實(shí)驗(yàn)系統(tǒng)及試塊設(shè)計(jì) 179
6.3.1 實(shí)驗(yàn)系統(tǒng) 179
6.3.2 試塊設(shè)計(jì) 184
6.4 反射法紅外熱成像檢測(cè)實(shí)驗(yàn)研究 185
6.4.1 反射法實(shí)驗(yàn)數(shù)據(jù)采集 185
6.4.2 反射法實(shí)驗(yàn)數(shù)據(jù)分析 186
6.5 透射法紅外熱成像檢測(cè)實(shí)驗(yàn)研究 191
6.5.1 透射法實(shí)驗(yàn)數(shù)據(jù)采集 192
6.5.2 透射法實(shí)驗(yàn)數(shù)據(jù)分析 192
6.6 ANSYS有限元仿真模擬分析 197
6.6.1 有限元仿真 197
6.6.2 反射法檢測(cè)仿真模擬 200
6.6.3 透射法檢測(cè)仿真模擬 204
6.6.4 誤差分析 209
6.7 本章小結(jié) 209
參考資料 210
第7章 紅外序列圖像處理 213
7.1 概述 213
7.1.1 研究背景和意義 213
7.1.2 國(guó)內(nèi)外研究現(xiàn)狀 213
7.2 單幀圖像處理 216
7.2.1 常用的閾值分割算法 216
7.2.2 紅外圖像的傳統(tǒng)處理方法 221
7.2.3 基于敏感區(qū)域最大標(biāo)準(zhǔn)差法的紅外圖像處理 226
7.2.4 紅外圖像分割新算法 239
7.3 紅外序列圖像的多幀圖像處理 244
7.3.1 紅外序列圖像的主成分分析 244
7.3.2 紅外序列圖像的獨(dú)立成分分析 250
7.4 本章小結(jié) 258
參考資料 258