[发明专利]一种基于BP神经网络的红外热源信息反演方法

权利要求书

1.一种基于BP神经网络的红外热源信息反演方法，其特征在于，所述基于BP神经网络的红外热源信息反演方法，包括：

步骤S1、获取目标体的红外热图像；

步骤S2、根据红外热图像上的温度点进行数据拟合，得到温度分布曲线，所述温度分布曲线上包括温度数据和环境温度；

步骤S3、取温度分布曲线上的温度数据和环境温度作为样本的输入数据，以归一化后的热源参数作为样本的输出数据，构造训练集和测试集，所述热源参数包括热源深度、热源半径和热源温度；

步骤S4、确定BP神经网络的拓扑结构、基础参数以及神经元的变换函数，构建反演模型；

步骤S5、利用所述训练集，通过信号的正向传播和误差的反向传播两种方式交替进行优化所述反演模型；

步骤S6、将所述测试集输入反演模型，判断反演模型输出的误差是否满足标准，若不满足则重新执行步骤S4；否则输出最优的反演模型；

步骤S7、取待测目标体的红外热图像，利用最优的反演模型根据待测目标体的红外热图像输出归一化后的热源参数；

步骤S8、对输出的归一化后的热源参数进行反归一化处理，得到反演后的热源参数。

2.如权利要求1所述的基于BP神经网络的红外热源信息反演方法，其特征在于，所述归一化所采用的公式如下：

其中，x_norm为归一化后的结果，x_i为归一化前的值，x_max为最大值，x_min为最小值。

3.如权利要求1所述的基于BP神经网络的红外热源信息反演方法，其特征在于，所述确定BP神经网络的神经元的拓扑结构，包括：

所述BP神经网络的拓扑结构包括输入层、隐层和输出层三种结构层，其中，所述隐层的层数为一层，且隐层的神经元数目为四个。

4.如权利要求1所述的基于BP神经网络的红外热源信息反演方法，其特征在于，所述确定BP神经网络的基础参数，包括：

设置BP神经网络的学习率为0.00003，训练显示间隔次数为100，最大训练循环次数为20000，学习目标为0.0001。

5.如权利要求1所述的基于BP神经网络的红外热源信息反演方法，其特征在于，所述确定BP神经网络的神经元的变换函数，包括：

BP神经网络节点的输入输出激励函数采用sigmoid函数，函数式如下：

BP神经网络隐层的传递函数均为tansig函数，函数式如下：

并且输出传递函数采用purelin函数，训练函数选择trainlm函数。

6.如权利要求1所述的基于BP神经网络的红外热源信息反演方法，其特征在于，所述反归一化处理的公式如下：

其中，x_i为反归一化后的结果，x_norm为反演模型输出的归一化后的热源参数，x_max为最大值，x_min为最小值。