[发明专利]一种基于混沌智能图像识别的弱信号检测方法及装置

权利要求书

1.一种基于混沌智能图像识别的弱信号检测方法，其特征在于，包括如下步骤：

S1、构建Duffing振子信号检测系统，获取不同状态的Duffing振子相位图；其中，所述Duffing振子信号检测系统为：

其中k为阻尼系数，ω为信号频率，-ωx+ωx³为非线性恢复力，f为系统内策动力，fcos(ωt)为驱动力幅值，s(t)+n(t)为输入信号；

S2、调节Duffing振子信号检测系统的系数，使系统处于混沌状态到大尺度周期状态的临界状态，输入待测信号后，得到待测信号相空间状态图；

S3、对所述不同状态的Duffing振子相位图做预处理，去除坐标边框，将所述不同状态的Duffing振子相位图按照类别不同分别标注，得到预处理好的图像样本；

S4、提取所述图像样本的HOG特征和GLCM特征，将提取的HOG和GLCM特征组成图像样本的特征向量；

S5、组合多个SVM分类器用于多分类，通过所述图像样本的特征向量训练各SVM分类器，得到训练好的SVM模型；

S6、采用与步骤S4相同的方式提取待测信号相空间状态图的HOG和GLCM特征并组成待测信号相空间状态图的特征向量；

S7、将待测信号相空间状态图的特征向量输入训练好的SVM模型，得到弱信号检测结果。

2.根据权利要求1所述基于混沌智能图像识别的弱信号检测方法，其特征在于，所述步骤S2中，所述预处理好的图像样本分别标注为“同宿”、“分叉”、“混沌”、“大周期”四类。

3.根据权利要求1所述基于混沌智能图像识别的弱信号检测方法，其特征在于，所述步骤S4具体包括：

S41、将图像划分成多个细胞单元，为每个细胞单元构建梯度方向直方图，把细胞单元组合成大的块，块内归一化梯度直方图并收集HOG特征；

S42、对图像上的每一像元求出预设邻域内的灰度共生矩阵，由所述灰度共生矩阵求出对应纹理图像的统计量，所述统计量包括能量ASM、熵ENT、对比度CON、相关度IDE，将所述统计量组成图像GLCM特征；

S43、将提取到的HOG和GLCM特征组成图像样本的特征向量。

4.根据权利要求3所述基于混沌智能图像识别的弱信号检测方法，其特征在于，所述步骤S42具体为：

从图像中灰度为i的像素位置为(x,y)出发，统计与其距离为d灰度为J的像素(x+D_x，y+D_y)同时出现的次数p(i,j,d,θ)，数学表达式为：

p(i,j,d,θ)＝[(x,y),(x+D_x,y+D_y)|f(x,y)＝i,f(x+D_x,y+D_y)＝j]

其中：x,y＝0,1,2,…,N-1是图像中的像素坐标；i,j＝0,1,2,…,L-1是灰度级；D_x，D_y是位置偏移量；d为生成灰度共生矩阵的步长；θ生成方向，取0°,45°,90°,135°四个方向，从而生成不同方向的灰度共生矩阵；对灰度共生矩阵进行归一化处理，计算对应纹理图像的统计量，所述统计量包括能量ASM、熵ENT、对比度CON、相关度IDE：

将上述统计量组成图像的GLCM特征。