紅外成像空空導彈抗干擾理論與方法

第 1 章 紅外成像空空導彈抗干擾技術概述
1.1 國內(nèi)外紅外成像空空導彈發(fā)展概況
1.1.1 發(fā)展歷程
1.1.2 發(fā)展趨勢
1.2 紅外成像空空導彈抗干擾技術發(fā)展概況
1.2.1 單元探測抗干擾技術
1.2.2 多元探測抗干擾技術
1.2.3 成像探測抗干擾技術
1.2.4 雙波段探測抗干擾技術
1.2.5 紅外 / 雷達復合探測抗干擾技術
1.2.6 抗干擾技術發(fā)展趨勢
1.3 紅外成像導引頭工作原理
1.3.1 組成與功能
1.3.2 成像探測
1.3.3 信息處理
1.3.4 伺服跟蹤
1.3.5 導引信息生成
1.4 本章小結(jié)
第 2 章 紅外成像空空導彈抗干擾理論基礎
2.1 目標與干擾紅外特性分析
2.1.1 目標紅外特性分析
2.1.2 干擾紅外特性分析
2.1.3 常用紅外特征
2.1.4 紅外圖像復雜度量化指標
2.2 幾種常用抗干擾方法
2.2.1 基于圖像識別的抗干擾方法
2.2.2 基于光譜信息鑒別的抗干擾方法
2.2.3 基于慣導信息預測的抗干擾方法
2.3 抗干擾性能評價指標
2.3.1 靜態(tài)圖像幀類指標
2.3.2 動態(tài)圖像序列類指標
2.3.3 綜合抗干擾概率
2.4 本章小結(jié)
第 3 章 基于特征模式匹配的空中紅外目標識別與抗干擾技術
3.1 幾種圖像預處理方法
3.1.1 空域濾波
3.1.2 頻域濾波
3.1.3 對比度增強方法
3.2 幾種圖像分割方法
3.2.1 基于灰度閾值的分割
3.2.2 基于邊緣檢測的分割
3.2.3 基于區(qū)域生長的分割
3.2.4 基于聚類的分割
3.3 幾種特征模式匹配方法
3.3.1 歐幾里得距離分類準則
3.3.2 貝葉斯分類準則
3.3.3 支持向量機分類準則
3.4 幾種目標識別與抗干擾方法
3.4.1 基于特征距離分類的目標識別與抗干擾方法
3.4.2 基于樸素貝葉斯分類器的目標識別與抗干擾方法
3.4.3 基于貝葉斯網(wǎng)絡的目標識別與抗干擾方法
3.4.4 基于支持向量機的目標識別與抗干擾方法
3.5 本章小結(jié)
第 4 章 基于相關跟蹤的空中紅外目標識別與抗干擾技術
4.1 相關濾波理論
4.1.1 線性回歸簡化
4.1.2 核相關濾波
4.1.3 目標快速檢測
4.1.4 幾種相關濾波方法
4.2 二維頻域 Gabor 濾波與相關跟蹤融合理論
4.2.1 Gabor 濾波理論
4.2.2 Gabor 特征提取與融合
4.2.3 GF 特征分析
4.2.4 GF - KCF 目標跟蹤方法
4.3 基于頻域尺度信息估計的 GF - KCF 跟蹤算法
4.3.1 頻域尺度特性分析
4.3.2 頻域尺度信息估計方法
4.3.3 算法原理
4.3.4 示例
4.4 基于分塊策略的抗部分遮擋的 GF - KCF 跟蹤算法
4.4.1 高置信分塊跟蹤模型
4.4.2 基于高置信分塊的跟蹤算法
4.4.3 抗遮擋跟蹤算法改進策略
4.4.4 全程抗干擾跟蹤算法架構(gòu)
4.4.5 示例
4.5 本章小結(jié)
第 5 章 基于深度學習的空中紅外目標識別與抗干擾技術
5.1 卷積神經(jīng)網(wǎng)絡原理與訓練
5.1.1 卷積神經(jīng)網(wǎng)絡原理
5.1.2 卷積神經(jīng)網(wǎng)絡訓練過程
5.1.3 幾種卷積神經(jīng)網(wǎng)絡
5.2 幾種網(wǎng)絡改進方法
5.2.1 多尺度卷積核
5.2.2 密集鏈接
5.2.3 注意力機制
5.3 基于卷積神經(jīng)網(wǎng)絡的目標識別算法
5.3.1 基于 D NET 的目標識別算法
5.3.2 基于關鍵點檢測的目標識別算法
5.4 本章小結(jié)
第 6 章 基于混合智能的空中紅外目標識別與抗干擾技術
6.1 混合智能原理
6.1.1 傳統(tǒng)方法與深度學習混合原理
6.1.2 典型混合方法
6.1.3 混合目標識別框架
6.2 深度混合智能設計
6.2.1 特征層
6.2.2 功能層
6.2.3 決策層
6.3 基于混合智能的目標識別方法
6.3.1 結(jié)合卷積神經(jīng)網(wǎng)絡與支持向量機的目標識別方法
6.3.2 結(jié)合二維主成分分析網(wǎng)絡的貝葉斯目標識別方法
6.4 本章小結(jié)
。。。。。。。。。。。。。。。。