朱振福、刘忠领、李军伟等著的《现代视频图像弱小目标检测导论(精)》系统地阐述了视频图像弱小目标检测的主要方法及其应用，全书共17章，内容包括：概论，图像目标特性分析，运动模糊图像复原，电子稳像方法，模糊数学的目标检测方法，数学形态学目标检测方法，形态滤波与遗传算法相结合的目标检测方法，分形学目标检测方法，子波变换目标检测方法，神经网络目标检测方法，粒子滤波器目标检测方法，组合优化目标检测方法，决策融合技术在目标检测中的应用，基于特征的运动目标检测与跟踪，动平台光电成像运动目标检测与跟踪，复杂背景下的目标识别与跟踪。
本书力求理论联系工程实践，突出理论性、系统性和实用性，适合从事光电工程、图像信号处理、视频目标搜索、监控、跟踪与制导等研究领域的工程技术人员使用，也可作为高等院校师生教学与学习的参考用书。

前言
第1章 概论
1.1 目标检测的内涵
1.2 目标检测方法概述
1.2.1 模糊数学方法
1.2.2 数学形态学方法
1.2.3 分形学方法
1.2.4 子波变换方法
1.2.5 神经网络方法
1.2.6 粒子滤波方法
参考文献
第2章 图像目标特性分析
2.1 引言
9.9 太阳的辐射特性
2.2.1 黑体辐射定律
2.2.2 太阳辐射在进人大气层后的传播形式
2.3 海浪的阳光反射模型
2.3.1 菲涅尔反射系数
2.3.2 海浪的反射模型
2.4 云团的阳光反射模型
2.4.1 光在大气中的传输模型
2.4.2 成像传感器接收云团阳光散射的模型
2.5 红外图像特征描述
2.5.1 点目标辐射强度分布特性
2.5.2 背景起伏特性
2.5.3 噪声分布特性
2.6 小结
参考文献
第3章 运动模糊图像复原方法
3.1 引言
3.2 线性模糊图像复原
3.2.1 图像模糊退化分析
3.2.2 均匀积分模糊图像的复原
3.2.3 非均匀积分模糊图像的复原
3.3 旋转模糊图像复原
3.3.1 旋转模糊退化分析
3.3.2 模糊路径提取
3.3.3 基于维纳滤波的旋转模糊图像复原
3.3.4 基于对角加载的旋转模糊图像复原
3.3.5 几种旋转模糊图像复原算法的效果比较
3.4 小结
参考文献
第4章 基于信息处理的电子稳像方法
4.1 引言
4.2 图像运动模型和电子稳像原理
4.2.1 摄像机成像模型分析
4.2.2 图像运动模型
4.2.3 电子稳像原理
4.3 运动估计算法
4.3.1 灰度投影法 4.3.2 梯度法
4.3.3 特征量匹配法
4.3.4 块匹配法
4.3.5 其他运动估计方法
4.4 基于块匹配的电子稳像方法
4.4.1 图像预处理
4.4.2 运动估计模型
4.4.3 局部运动矢量估计
4.4.4 全局运动矢量估计
4.4.5 运动补偿
4.4.6 电子稳像仿真实验结果
4.5 小结
参考文献
第5章 基于模糊数学的目标检测方法
5.1 引言
5.2 模糊数学理论
5.2.1 模糊集
5.2.2 模糊度
5.3 基于模糊数学的目标检测算法
5.3.1 图像模糊增强的模型
5.3.2 常用的模糊增强算法
5.3.3 改进的模糊增强算法
5.3.4 实验结果
5.4 小结
参考文献
第6章 基于数学形态学的目标检测方法
6.1 引言
6.2 形态滤波理论
6.2.1 二值形态滤波理论
6.2.2 灰值形态滤波理论
6.3 基于形态滤波的目标检测算法
6.4 小结
参考文献
第7章 形态滤波与遗传算法相结合的目标检测方法
7.1 引言
7.2 遗传算法基本理论
7.2.1 遗传算法的基本概念
7.2.2 遗传算法的编码及适应度函数
7.2.3 遗传算法的基本操作
7.2.4 遗传算法模式理论和特点
7.3 形态滤波与遗传算法在目标检测中的运用
7.3.1 目标检测算法
7.3.2 遗传算子确定
7.3.3 白适应遗传策略算法
7.3.4 基于遗传算法的白适应形态滤波目标检测算法
7.4 小结
参考文献
第8章 基于分形学的目标检测方法
8.1 引言
8.2 分形理论 8.2.1 分形维数
8.2.2 DFBIR场维数
8.3 基于分形技术的目标检测算法
8.3.1 基于分形维数的目标检测
8.3.2 基于分形模型图像误差的目标检测
8.3.3 基于分形技术改进的目标检测算法
8.4 小结
参考文献
第9章 基于子波变换的目标检测方法
9.1 引言
9.2 子波变换理论
9.2.1 连续子波变换
9.2.2 离散子波变换
9.2.3 多分辨率分析
9.2.4 子波基函数分析
9.2.5 信号奇异性及子波变换模极大值
9.3 基于子波变换的目标检测算法
9.3.1 图像预处理
9.3.2 潜在目标图像区域划分
9.3.3 潜在目标检测
9.4 小结
参考文献
第10章 基于神经网络的目标检测方法
10.1 引言
10.2 神经网络基础
10.2.1 远动图像的时变特性
10.2.2 神经网络学习规则
10.2.3 白适应BP学习算法
10.3 形态学神经网络目标检测算法
10.3.1 神经网络模型参数
10.3.2 形态学变权神经网络算法
10.4 小结
参考文献
第11章 基于粒子滤波器的先跟踪后检测方法
11.1 引言
11.2 弱小目标的状态与测量模型
11.3 先跟踪后检测方法的贝叶斯形式
11.4 基于粒子滤波器的先跟踪后检测算法
11.5 仿真实验及实验结果
11.6 小结
参考文献
第12章 基于混合粒子滤波的多目标检测与跟踪
12.1 引言
12.2 先跟踪后检测的贝叶斯形式
12.3 混合贝叶斯跟踪
12.4 混合粒子滤波器
12.5 贝叶斯目标检测
12.6 仿真实验
12.7 小结
参考文献第13章 基于组合优化的目标检测方法
13.1 引言
13.2 神经网络多分类器组合
13.3 贝叶斯多分类器组合
13.4 基于Bagging的分类器组