[发明专利]一种基于小波变换和支持向量机的涡结构识别方法

说明书

技术领域

本发明涉及一种基于小波变换和支持向量机的涡结构识别方法，可用于分析大气中高速飞行的导弹和飞机的光学头罩与来流之间形成的气动光学效应，为图像校正、控制湍流提供基础。

背景技术

高速成像制导导弹和飞机等在大气层内高速飞行时，光学头罩周围会形成高速复杂流场，致使目标光波通过高速流场时光波相位发生改变，目标图像产生偏移、模糊、抖动和能量衰减，这种现象称为气动光学效应。气动光学效应的研究重点之一是畸变波前同湍流涡动力学特性之间的关系。按照湍流的涡旋学说，湍流的脉动与混合主要由大尺度的涡结构造成，具有高度的各向异性，且其流动、演变具有重复性和可预测性；小尺度涡几乎是各向同性的，而且不同流动的小尺度涡有许多共性。大尺度涡造成了大部分的密度脉动，在光学传输中造成了大部分的相位脉动，是影响气动光学传输效应的主要因素。因此要按照不同的涡结构尺度建立精确的光学传输模型，就必须进行涡结构的识别。

涡结构识别的关键在于特征提取和分类器设计。传统的涡结构识别方法，在特征提取方面通常是依据小波变换具有多分辨分析特性，直接进行小波分解，利用小波系数矩阵作为特征量使得特征冗余多，计算量大；在分类器设计方面传统方法通常直接根据经验确定小波分解水平来区分大、小尺度涡结构，识别率低。

发明内容

本发明的目的是：克服传统的涡结构识别方法的不足，提出一种基于小波变换和支持向量机的涡结构识别方法。

本发明的技术方案是：把机载光学窗口处湍流折射率场经小波变换后得到各频带的系数矩阵，以其统计量作为涡结构的特征量进行识别。提取的特征有小波系数矩阵的均值、方差、能量、信息熵、对角线惯性矩、绝对均匀性和聚类重要性。再利用支持向量机方法建立分类器，根据结构风险最小原则使分类面不仅能将涡结构正确分开，而且分类间隔最大。

具体步骤如下：

(1)利用小波变换对描述涡结构的折射率进行小波分解，得到不同尺度上的小波系数矩阵。

(2)对小波系数矩阵进行特征提取，小波系数矩阵的统计量作为涡结构的特征值。

(3)根据所提取特征值，利用支持向量机的方法建立最佳分类判别函数，其建立准则采用利用风险最小化原则，精确识别大小涡结构。

(4)利用步骤(3)建立的最佳分类判别函数，重复步骤(1)、(2)对涡结构样本进行涡结构识别。

(5)利用小波反变换进行大、小尺度涡重建。