专利名称：基于混沌的光电图像海杂波抑制方法
技术领域：
本发明涉及的是一种图像处理技术领域的新方法，是舰载光电成像搜索与跟踪海上目标的一项核心技术，在各类军、民用系统中均可有广泛的应用。
背景技术：
舰载光电成像探测与跟踪系统具有被动隐蔽、抗干扰性强、跟踪精度高等优点，是跟踪远距离舰船目标和掠海攻击导弹的重要手段，具有较雷达更独特的优势。复杂的海面背景中，移动的海面及连绵起伏的波浪反光使图像的信噪比和对比度等信息都随着浪高、距离和太阳位置的不同而不断变化。当海面杂波或鱼鳞光较强时，光电图像中有大量的浪峰灰度强度接近甚至大于目标。海杂波在时间和空间上不断动态变化，严重制约了海面弱 小目标的可检测性，海杂波抑制是检测海杂波背景下弱目标的关键技术。海杂波的研究主要有基于统计理论和混沌理论的两种分析方法。基于统计理论的海杂波分析方法将海杂波作为一种完全随机的信号，即先假设海杂波是一种平稳的随机过程，通过概率统计分布模型描述海杂波，如Log-Normal分布，Weibull分布和K分布等对海杂波建模分析。空域滤波也是抑制海杂波的主要手段，如小波分析和灰度形态学等滤波器依据目标信号为图像的高频成分，抑制空域相关性强、低频的海杂波以提高目标信杂波。这类空域滤波法因很难区分鱼鳞光等图像高频成分而失效，检测能力亟待提高。然而，海杂波往往在时间和空间上不断变化，具有较强的非平稳特性，海杂波的这一时变特性使得将海杂波视为随机过程的统计分析方法难以充分描述出海杂波内在的物理本质。HaykiruLeung等针对IPIX相参雷达进行研究,发现了海杂波具有较强的混沛性。国内学者对高频雷达和S波段的海洋雷达回波研究也得出了相似的结论。光电图像海杂波与雷达海杂波相似，也具有较强的混沌性。研究光电图像海杂波的混沌动力学模型，分析海杂波时间数据序列在时间延迟状态空间的相关性，预测海杂波状态，有望提高海杂波抑制能力，提升海杂波弱目标信号的检测性能。
发明内容
本发明的目的在于克服现有假设海杂波为平稳随机过程的不足，提供一种基于混沌的光电图像海杂波抑制方法。本发明通过重构光电图像海杂波的相空间，利用径向基函数RBF神经网络提取海杂波的混沌参数，以此预测海杂波，并将海杂波预测值和实际值进行杂波对消。为实现这一目的，本发明采用的技术方案是
一种基于混沌的光电图像海杂波抑制方法，其特征在于，所述抑制方法包括如下步
骤
1)选取海杂波光电图像序列同一位置处的图像强度组成一个海杂波时间强度数据序
列；
2)计算海杂波时间强度数据序列的自相关函数和延迟时间；3)计算海杂波时间强度数据序列的关联维数；
4)计算海杂波时间强度数据序列的嵌入维数；
5)重构海杂波时间强度数据序列的相空间；
6)训练径向基函数(RadiusBasic Function, RBF)神经网络基函数的中心值、方差以及隐含层到输出层的权值；
7)利用RBF神经网络预测海杂波；·
8)将海杂波预测值和海杂波实际值进行杂波对消。
图I是基于混沌的光电图像海杂波抑制方法的原理框 图2是五个图像区域不同嵌入维下的关联维；
图3表示RBF神经网络的结构 图4表示RBF神经网络的高斯径向基函数；
图5是基于RBF神经网络的光电图像海杂波位置I处的预测结果；
图6是实施例图像位置I处杂波对消后的结果。
具体实施例方式本实施例在以本发明技术方案为前提下进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。下面结合附图对本发明的具体实施例做详细说明
本实施例的海杂波图像是在我国某海域实际采集的，天气晴朗，风力较小。图像序列总共有600帧图像，每帧图像大小为300X300像素，具体包括以下步骤
I)任意选取该海杂波图像序列的五个区域，选取的图像区域大小为7X7像素。取该图像块的最大灰度值与最小灰度值之差作为该图像块的代表灰度值。2)对每一个图像区域，计算海杂波时间强度数据序列的自相关函数、延迟时间、关联维数、嵌入维数及相空间重构。对海杂波时间强度数据序列的关联维数进行计算分析可知随着嵌入维m的增大，斜率(关联维D2)逐渐达到一个饱和值，嵌入维 大于11后一直稳定在5 7之间，实际计算中统一取7，表明光电图像海杂波的关联维是有限的。如图2所示。3)利用径向基函数RBF神经网络对海杂波动力学建模，然后采用训练好的神经网络对海杂波进行预测，如图3所示。具体包括
a)将海杂波时间强度数据序列分为训练部分和预测部分，对训练部分进行相空间重构，设训练样本的个数为N。b)用训练样本设计出合理的RBF神经网络。在对训练样本进行相空间重构的基础上，以相点作为径向基函数RBF神经网络的输入向量，即以
yQ) = x(i十T), ■ ■ % X[i十(OT - 1)t]|作为输入向量，以X[I+ (m-l)r +1]作为预测值输出，训
练基函数的中心、方差和隐含层到输出层的权值参数。高斯基函数波形如图4所示。图5是采用径向基函数RBF神经网络预测值与真实值。
4)比较RBF神经网络预测值和实际值之间的绝对差值实现杂波对消，图6是两者之间的差值。由图可知，预测误差一直很小，说明产生海杂波的内在非线性系统参数不随时间而变化，或者是随时·间缓变的，表明本方法实现海杂波抑制具有一定的实用性。
权利要求
1.基于混沌的光电图像海杂波抑制方法，其特征在于，所述抑制方法包括以下步骤 1)选取海杂波光电图像序列同一位置处的图像强度组成一个海杂波时间强度数据序列； 2)计算海杂波时间强度数据序列的自相关函数和延迟时间； 3)计算海杂波时间强度数据序列的关联维数； 4)计算海杂波时间强度数据序列的嵌入维数； 5)重构海杂波时间强度数据序列的相空间； 6)训练径向基函数(RadiusBasic Function, RBF)神经网络基函数的中心值、方差以及隐含层到输出层的权值； 7)利用RBF神经网络预测海杂波； 8)将海杂波预测值和海杂波实际值进行杂波对消。
2.根据权利要求I所述的基于混沌的光电图像海杂波抑制方法，其特征在于所述的海杂波时间强度数据序列是由图像序列同一位置处的图像块平均值构成的，图像块大小为7x7像素。
3.根据权利要求I所述的基于混沌的光电图像海杂波抑制方法，其特征在于所述的海杂波时间强度数据序列的自相关函数定义为
4.根据权利要求I所述的基于混沌的光电图像海杂波抑制方法，其特征在于所述的海杂波时间强度数据序列的关联维定义为
5.根据权利要求I所述的基于混沌的光电图像海杂波抑制方法，其特征在于所述的海杂波时间强度数据序列的嵌入维 是指满足的值。
6.根据权利要求I所述的基于混沌的光电图像海杂波抑制方法，其特征在于所述的海杂波时间强度数据序列的相空间重构是指对时间强度数据序列^ = CU2a…，N)取不同的时间延迟来构造一个爾维相空间7C/),即
7.根据权利要求I所述的基于混沌的光电图像海杂波抑制方法，其特征在于所述的径向基函数RBF神经网络的基函数定义为
8.根据权利要求I所述的基于混沌的光电图像海杂波抑制方法，其特征在于所述的径向基函数RBF神经网络预测是指已知海杂波时间强度数据序列前若干时刻的数据，通过公式/0预测下一时刻海杂波的值，即
9.根据权利要求I所述的基于混沌的光电图像海杂波抑制方法，其特征在于所述海杂波预测值和海杂波实际值进行杂波对消是指两者的绝对差值，即
全文摘要
本发明提出了一种基于混沌的光电图像海杂波抑制方法，包括以下步骤选取海杂波光电图像序列同一位置处的图像强度组成一个海杂波时间强度数据序列；计算海杂波时间强度数据序列的自相关函数和延迟时间；计算海杂波时间强度数据序列的关联维数和嵌入维数；重构海杂波时间强度数据序列的相空间；训练径向基函数RBF神经网络基函数的中心值、方差以及隐含层到输出层的权值；利用RBF神经网络预测海杂波；将海杂波预测值和海杂波实际值进行杂波对消。本发明利用光电图像海杂波所具有的混沌特性，采用RBF神经网络方法预测与抑制海杂波，克服目前采用统计理论难以描述海杂波这一时变非平稳过程的困难，为提高海杂波背景下光电弱目标检测能力提供新的解决思路。
文档编号G06T5/50GK102779336SQ20121023537
公开日2012年11月14日 申请日期2012年7月9日 优先权日2012年7月9日
发明者丁浩, 刘梅, 唐岚, 李正周, 甘平, 罗皓, 黄扬帆 申请人:重庆大学