[发明专利]一种基于小波神经网络的红外图像识别方法

权利要求书

1.一种基于小波神经网络的红外图像识别方法，其特征在于，包括如下步骤：

S1.选取训练样本，包括正常和异常发热的电缆瓷套终端红外图像；

S2.对步骤S1的红外图像进行归一化处理，并进行类别编码处理；

S3.以归一化处理后的红外图像为输入，类别编码为输出，构建小波神经网络，并对小波神经网络进行训练，得到训练好的小波神经网络；

S4.将待识别的电缆瓷套终端红外图像输入到训练好的小波神经网络，对比网络输出值和类别编码，得到红外图像的识别结果。

2.根据权利要求1所述的一种基于小波神经网络的红外图像识别方法，其特征在于，所述步骤S1中，所述异常发热的电缆瓷套终端红外图像包括线夹部位异常发热红外图像、应力锥部位异常发热红外图像和尾管部位异常发热红外图像。

3.根据权利要求2所述的一种基于小波神经网络的红外图像识别方法，其特征在于，所述步骤S2中，具体包括如下步骤：

S21.对红外图像进行归一化处理：

X(i,j)＝(x(i,j)-x_min)/(x_max-x_min)

式中，X(i,j)为红外图像位置(i,j)归一化处理后的像素灰度值，x(i,j)为红外图像位置(i,j)归一化处理前的像素灰度值，x_max和x_min分别为像素灰度值的最大值和最小值；

S22.对红外图像进行类别编码处理：

线夹部位异常发热红外图像、应力锥部位异常发热红外图像和尾管部位异常发热红外图像、正常发热红外图像分别编码为00、01、10、11。

4.根据权利要求3所述的一种基于小波神经网络的红外图像识别方法，其特征在于，所述步骤S3中，具体包括如下步骤：

S31.以归一化处理后的红外图像为输入，类别编码为输出，构建小波神经网络，小波神经网络结构包括输入层、小波层、隐含层、输出层，其中，P为网络输出层的神经元个数；K＝I×J为网络输入层的神经元个数；N为网络小波层的神经元个数；Q为网络隐含层的神经元个数；W_nq为小波层第n个神经元和隐含层第q个神经元的连接权值；W_qp为隐含层第q个神经元和输出层第p个神经元的连接权值；ψ为网络小波层采用的二维小波基函数；f为网络隐含层和输出层采用的传递函数，均为sigmoid函数，H(∑)表示求和；

网络的输出为：

式中，O_p为网络输出层第p个神经元的输出值。

S32.采用粒子群优化算法对小波神经网络进行训练，得到训练好的小波神经网络。

5.根据权利要求4所述的一种基于小波神经网络的红外图像识别方法，其特征在于，所述步骤S4中，具体包括如下步骤：

S41.对待识别的电缆瓷套终端红外图像进行归一化处理；

S42.将归一化处理后的红外图像输入到训练好的小波神经网络，得到网络的输出值；

S43.对网络输出值进行四舍五入处理，并和类别编码对比，得到红外图像的识别结果。