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最终决策，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《自动目标识别（第3版）》结束时讨论这一令人兴奋的主题。

序言



1 定义和性能测度



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 目标探测的性能测度



1.4.1 Truth归一化测度



1.4.2 报告归一化测度



1.4.3 接收机工作特性曲线



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其他因素



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性



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 用于一幅图像的假设检测



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 用于热点的显著性的检测



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
敏感和处理一体化



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：可行性



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 目标的大小



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 生活模式和取证



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吗？



5.2.2
自动目标识别可以推演一个场景的要点吗？



5.2.3
自动目标识别理解物理学吗？



5.2.4
自动目标识别可以参与任务前的情况介绍吗？



5.2.5
自动目标识别能够进行深入的概念理解吗？



5.2.6
自动目标识别能适应于态势，在飞行中学习，并做出类比吗？



5.2.7
自动目标识别能理解交战规则吗？



5.2.8
自动目标识别能理解战场规则和部队结构吗？



5.2.9
自动目标识别能控制平台的运动吗？



5.2.10
自动目标识别可以融化宽范围的信息源的信息吗？



5.2.11
自动目标识别具有元认知吗？



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