[发明专利]船舶动态短信息通知中背景图片的选择方法

权利要求书

1.船舶动态短信息通知中背景图片的选择方法，其特征在于，该方法包括如下步骤：

(1)建立以信息熵和信息置乱度为输入量，以是否符合背景图片要求为输出量的人工神经网络；

(2)选择某一比例尺下的图片；

(3)分别计算所选图片的信息熵和信息置乱度；

(4)将信息熵和信息置乱度数据导入人工神经网络进行识别，若识别结果符合要求转入步骤(5)，若不符合要求转入步骤(2)；

(5)根据识别结果选定船舶动态短信息背景图片。

2.根据权利要求1所述的船舶动态短信息通知中背景图片的选择方法，其特征在于，所述步骤(3)中的信息熵通过公式：计算得到，其中，s(V)表示所选择的背景图片中所有不同像素值的取值集合，而表示图片A中像素值为v的个数(f_A(v))在整个图片中所占的比例。

3.根据权利要求1所述的船舶动态短信息通知中背景图片的选择方法，其特征在于，所述步骤(3)中的信息置乱度通过计量公式：计算得到，其中e(x，y)＝f(x，y)-g(x，y)，该f(x，y)x，y∈{0，1，...，N-1}表示N×N个原始图像数据，而g(x，y)x，y∈{0，1，...，N-1}表示输出的图像数据。

4.根据权利要求1或3所述的船舶动态短信息通知中背景图片的选择方法，其特征在于，所述步骤(3)中的信息置乱度在步骤(2)中选择的背景图片为彩色图片时的处理方式包括如下两步：

(1A)将选择的图片和底色中每一像素点的R，G，B分量都分离出来；

(2A)按照如下公式计算出1/SNR的数值：其中，p_ij^R，p_ij^G，p_ij^B为图片底色的R，G，B分量值，为选择的图片的R，G，B分量值。

5.根据权利要求1或3所述的船舶动态短信息通知中背景图片的选择方法，其特征在于，所述步骤(3)中的信息置乱度在步骤(2)中选择的背景图片较大时的处理方法包括如下步骤：

(1B)将较大的背景图片分块处理，得到多个较小的图片；

(2B)对图片每一分块计算分块的SNR_i i＝(1，2，...，N)，其中N为分块的数量；

(3B)求取平均SNR值：然后计算1/SNR。

6.根据权利要求1所述的船舶动态短信息通知中背景图片的选择方法，其特征在于，所述通知信息背景图片的图片，应该具有较小的SNR值，其倒数值1/SNR的范围为0.04～0.0009。

7.根据权利要求1所述的船舶动态短信息通知中背景图片的选择方法，其特征在于，所述步骤(2)中选择某一比例尺图片的优选方式是按图片的比例尺从大到小的方式进行的。

8.根据权利要求1所述的船舶动态短信息通知中背景图片的选择方法，其特征在于，所述步骤(1)中的神经网络类型包括

A)BP神经网络，它是一种多层前向网络，采用最小均方差的学习方式的神经网络；

B)RBF神经网络，它是一类多层前馈网络，其神经元基函数具有仅在微小局部范围内才产生有效的非零响应的局部特性的神经网络。

9.根据权利要求1所述的船舶动态短信息通知中背景图片的选择方法，其特征在于，所述步骤(1)的神经网络是利用JOONE来构建的RBF神经网络，并对网络进行训练。