[发明专利]一种基于BP神经网络的红外多光谱微弱目标检测方法

权利要求书

1.一种基于BP神经网络的红外多光谱微弱目标检测方法，其特征在于：包括如下步骤，

步骤一：搭建基于BP神经网络的红外多光谱微弱目标检测系统；

基于BP神经网络的红外多光谱微弱目标检测系统包括红外成像模块、嵌入式信号处理模块和终端显示模块；

红外成像模块用于将红外微弱目标成像后变成数字图像信号，并形成红外微弱目标和背景的多光谱特征向量；

嵌入式信号处理模块的用于根据红外微弱目标和背景的多光谱特征向量作为训练样本，送入到BP神经网络中进行训练，使用训练后得到红外微弱目标检测模型对红外微弱目标数字图像信号进行检测，并获得红外微弱目标检测结果；

终端显示模块用于显示红外微弱目标检测结果；

步骤二：通过红外成像模块获得红外微弱目标和背景的多光谱特征向量，并将两者输出给嵌入式信号处理模块；

步骤二实现方法为，

对于单个光谱的成像，A/D转换模块通过成像器采集场景图像，A/D转换模块首先对成像器输出的多路模拟图像信号进行开关选择和差分放大，然后对放大后的成像器多路模拟图像信号进行A/D转换，将多路模拟图像信号变换成数字图像信号；红外成像模块对于多个光谱进行红外成像后，获得红外多光谱数字图像信号；

数字图像信号不仅包含二维图像信息，而且每个像素在光谱域中包含光谱信息；因此，红外多光谱数字图像信号组成一个红外多光谱数据立方体；所述红外多光谱数据立方体将单帧红外图像从灰度域拓展到光谱域，使得单帧图像拓展为一组图像，形成三维的立方体数据结构；x轴与y轴形成图像灰度域，z轴表示光谱域，L代表光谱波段数，P₁，P₂，…，P_L代表各个谱段上的图像；于是，每一层图像对应一个光谱波段，图像上每个像素点形成一条对应的光谱曲线；

对应于第k帧的图像，坐标位置为(i，j)的像素点，其多光谱灰度向量定义为：

H_k＝[h_ijk1 … h_ijkL]

式中，h_ijkL为像素点(i，j)在第L谱段的辐射强度；

当目标先验信息为已知并且目标数目唯一，标准光谱模型为：

Γ_k＝Γ_k-1+G

式中，Γ_k为第k帧图像的标准光谱模型，G为目标的归一化光谱向量；

像素点的多光谱特征不仅包括代表辐射强度的灰度向量，还包括光谱的分布情况信息；以光谱角表示两矢量之间的相似性度量，表示为：

式中，H_knom为向量H_k的归一化向量，|| ||_F表示F范数；

因此，获得目标点对应的多光谱特征向量，其由目标像素点的多光谱向量和光谱角组成：

红外多光谱数字图像信号是由红外微弱目标和背景组成的，将红外多光谱数字图像信号中的红外微弱目标进行标注后，能够获得红外微弱目标和背景的多光谱特征向量，并将两者输出给嵌入式信号处理模块；

步骤三：通过嵌入式信号处理模块对红外微弱目标和背景的多光谱特征向量进行处理，选取红外微弱目标对应的多光谱特征向量以及背景的多光谱特征向量作为输入的训练集，以此作为BP神经网络的输入单元；对BP神经网络的权值和阈值进行初始化后，使用已经标记的训练图像输入到BP神经网络分类器中进行训练，通过BP神经网络分类器训练后获得红外微弱目标的检测模型；

步骤四：使用训练后得到红外微弱目标检测模型对红外微弱目标数字图像信号进行检测，并通过终端显示模块显示红外微弱目标检测结果。

2.如权利要求1所述的一种基于BP神经网络的红外多光谱微弱目标检测方法，其特征在于：首先在嵌入式信号处理模块设计BP神经网络，BP神经网络是一种多层前馈神经网络，其神经元的激活函数是S型对数函数，其输出量是0到1之间的连续量，BP神经网络用于实现从输入到输出的任意非线性映射；所述BP神经网络是由训练阶段和检测阶段两个连贯的阶段组成；上半部分为训练阶段，将训练红外图像样本经过预处理后，抽取和选择出微弱目标和背景的多光谱特征，进行标注后送入设计好的BP神经网络进行训练；在训练的过程中观察输出误差是否收敛并达到要求，收敛并达到要求后就能得到训练好的BP神经网络；下半部分为检测阶段，将需要检测红外微弱目标的未知样本经过预处理后，送入训练好的BP神经网络，通过训练好的BP神经网络获得微弱目标检测结果；如果有目标，通过训练好的BP神经网络检测出目标并标记处目标的位置；

所述BP神经网包括输入层、隐藏层、输出层以及各层之间的传输函数；BP神经网络通过正向传播和反向传播，实现实际输出值与期望输出值之间的方差最小，由于目标检测为单个目标，为了能够实时运行性、实现工程化，同时保证检测的正确率，设计的BP网络包括输入层、两个隐藏层和输出层；

BP神经网络的神经元有n个输入，每个输入会对应一个权值ω_i(i＝1，…，n)，BP神经网络对应的输出函数为：

y_j＝f(∑ω_ix_i，Δ)

其中，x_i代表神经元的第i个输入值，y_j代表第j个输出，∑ω_ix_i代表BP神经网络神经元的全部输入和权值，Δ是神经元的阈值；对于内部的隐含层来说，其神经元的激活函数是S型对数函数；

选取红外微弱目标对应的多光谱特征向量以及背景的多光谱特征向量作为输入的训练集，以此作为BP神经网络的输入单元；对BP神经网络的权值和阈值进行初始化后，使用已经标记的训练图像输入到BP神经网络分类器中进行训练，通过BP神经网络分类器训练后获得红外微弱目标的检测模型。