一种基于误差反传神经网络的飞机残骸智能识别方法及系统技术方案

一种基于误差反传神经网络的飞机残骸智能识别系统，它包括；摄像装置，图像采集装置，计算处理装置，告警装置和无线通信装置；摄像装置对特征目标区域进行摄像，将实时获得的图像信息传输给图像采集装置；图像采集装置将获得的实时图像信息完成格式转换，传输给计算处理装置；计算处理装置完成对格式转换后的图像信息的预处理、图像分割、图像计算、图像识别以及神经网络学习训练等操作；计算处理装置在有效识别目标后向告警装置发送告警信息，并通过无线通信装置完成与控制装置的双向无线通信。一种基于误差反传神经网络的飞机残骸智能识别方法，压有八大步骤。本发明专利技术在智能识别技术领域里有较好的应用前景。

【技术实现步骤摘要】
一种基于误差反传神经网络的飞机残骸智能识别方法及系统
本专利技术提出了一种基于误差反传神经网络的飞机残骸智能识别方法及系统，针对机载光电吊舱平台获得的光学图像，采用误差反传神经网络算法进行目标识别，以获取背景环境中的特征目标信息，属于智能识别

技术介绍
飞机残骸识别，是指依据飞机的特征信息，对飞机的机翼、机尾、黑匣子等飞机残骸进行搜索与识别。飞机作为一种重要的运输平台和搭载工具，在社会生活、国防军事等领域扮演了越来越重要的角色。随着飞行架次数量的快速增长和空域飞行密度的不断增加，各类飞机失联、失事事件接踵而至。仅在2014年，就发生了5起伤亡严重的客机失事事故。2014年3月，马来西亚航空公司的MH370客机失踪后，中国政府和国际社会投入了大量人力、物力、财力，动用了陆、海、空、天多类力量，以出动海上搜救船、派遣搜救机群、调集光学侦察卫星的方式，对客机飞行范围的海域进行了高密度搜寻活动，目前仍未获实质进展。对飞机残骸的智能识别，是实现飞机搜救的重要组成。搭载于飞机平台的飞机残骸智能识别系统可实现平原、山区、湖泊、海洋等多类地形条件下的飞机残骸智能识别。经研究和实践表明，机载光学平台通过光学方式获取图像信息，而后通过软件算法获取背景环境中的特征目标、最后采取相关救援措施，是一种合理、可行的搜救方案。目前，光学侦察卫星虽然作用范围广泛，但是限于侦察分辨率，对区域的特征目标细节信息难以精准提取。地面、海上等各种承载形式的光学侦察设备，机动性差，在短时间内难以投入到搜救现场。机载光学目标识别设备有效实现了高精度、高机动性的精准光学侦察，是一种有效、快速、准确的搜救措施。自动目标识别(AutomaticTargetRecognition，ATR)技术是光电识别系统中应用广泛的一项技术。目前，科研人员研究的目标识别算法很多，有基于统计、知识、专家、模型、多传感器信息融合的识别算法等。误差反传神经网络(BackPropagationNeuralNetwork，BPNN)算法是一种具有非线性连续转移函数的多层前馈网络，是一种基于统计的识别算法；包括信号的正向传播和误差反向传播两个过程，各层权值在这两个过程中反复地进行自适应调整，因此误差反传神经网络的学习训练过程也是一种权值不断调整的过程，当网络输出的误差减小到设定的预期值时，结束训练过程。通常误差反传神经网络算法的训练过程为：输入正向传播输出—误差逆向传播—记忆训练—学习收敛。本专利技术利用误差反传神经网络算法，基于统计信息的学习记忆机制，对获取图像通过图像预处理、图像分割、Hu矩特征量提取后，有效实现飞机残骸目标的精准识别。本专利技术在目标识别技术上采用Hu矩特征和神经网络相结合的算法，优势在于：Hu矩抗旋转、尺度缩放的优势，能够在目标飞机发生姿态变化的时候(例如随海浪沉浮、不定向漂流)准确识别和报警；使用事先训练的误差反传神经网络，比传统算法的计算速度更快，能够及时有效地发出警报。
技术实现思路
1、专利技术目的：本专利技术提供了一种基于误差反传神经网络的飞机残骸智能识别方法及系统，其目的是克服常规飞机残骸识别系统识别类型少、智能度低、准确率低的缺陷。在光学卫星大范围发现可疑区域后，利用本专利技术提出的基于误差反传神经网络的飞机残骸智能识别方法及系统进行局部细节搜索，将误差反传神经网络算法应用在机载光电吊舱中，可对拍摄的图片进行实时分析，当特征目标出现时，可智能地将目标整体或目标局部特征从环境背景中提取出来，便于后续采取搜救措施。2、技术方案：作为系统级应用设备，本专利技术所提出的基于误差反传神经网络的飞机残骸智能识别方法及系统功能实现依赖多类技术。首先，需要搭载于飞机平台的机载光电吊舱按照特定的搜索或跟踪模式获取目标区域环境现场的实时图像；其次，需要对帧图像序列进行图像滤噪预处理、图像阈值分割处理、分割区域Hu矩特征量提取、针对搜索目标进行误差反传神经网络算法学习训练；第三，利用经学习训练的特定误差反传神经网络算法对Hu矩特征量的处理情况给出目标识别结果；最后，当目标出现时，产生报警信号。对比现有机载光电吊舱技术发展水平，本系统所涉及的光机电一体化技术、搜索和跟踪双模式的吊舱伺服控制技术、图像预处理技术、远程机载无线通信技术等较为成熟，而在复杂背景中提取有效目标信息的自动目标识别技术是本方法和系统功能实现的关键技术。基于Hu矩特征量的误差反传神经网络算法是在复杂背景中提取有效目标信息的关键。胡氏矩具有算法简单、易于硬件实现等特点，可反映物体灰度相对于质心的统计分布情况，具有旋转、平移、尺度缩放不变性。对任意非负整数p、q，大小为M×N的数字图像I(x,y)在平面R上的二维(p+q)阶中心矩可表示为：其中，I(x,y)为(x,y)位置原始图像量化值；表示数字图像的重心位置，是对目标形状中心的反映。归一化的中心矩ηpq表示为:这种几何矩和几何中心矩可用于描述图像目标区域的形状，但不同时具有不变性。为了能同时满足平移、尺度变化和旋转不变的条件，下面给出p+q≤3的7个不变矩：φ1＝η20+η02(4)φ2＝(η20-η02)2+4η11(5)φ3＝(η30-3η12)2+(3η21-η03)2(6)φ4＝(η30+η12)2+(η21+η03)2(7)φ5＝(η30-3η12)(η30+η12)[(η30+η12)2-3(η21+η03)2]+(3η21-η03)(η21-η03)[3(η30+η12)2-(η21+η03)2](8)φ6＝(η20-η02)[(η30+η12)2-3(η21+η03)2]+4η11(η30+η12)(η21+η03)(9)φ7＝3(η32-η03)(η30+η12)[(η30+η12)2-3(η21+η03)2]-(η30-3η12)(η21+η03)[3(η30+η12)2-(η21+η03)2](10)其中,φi(i＝1,2,…,7)为i阶不变矩。本专利技术的双隐含层误差反传神经网络结构，由于每组输入7个Hu矩特征值，输出1个训练值，根据误差反传神经网络神经元节点的经验确定公式，分别选择第一隐含层和第二隐含层的神经元节点数分别为10和6。其中输入层、第一隐含层、第二隐含层和输出层的任意神经元节点分别用m、i、j和n表示，输入层与第一隐含层、第一隐含层与第二隐含层、第二隐含层与输出层之间的权值系数分别用Wmi、Pij、Qjn表示，输入层神经元节点的输入用xm表示，隐含层和输出层神经元节点的输入用u表示，激励输出用v表示，如ui和vi分别表示第一隐含层第i个神经元的输入和激励输出。设目标训练样本集为X[X1,X2,…Xk…,XS]，任意训练样本用Xk[xk1,xk2,…xkm…,xk10]，其经过正向传播输出对应的实际输出为Yk[yk1]，而期望输出设为Dk[dk1]，设t为迭代次数。误差反传神经网络算法包括正向传播输出、反响误差逆传播、记忆训练、学习收敛过程。(1)正向传播输出：从输入层到隐含层至输出层的逐层传播。对输入任意训练样本Xk[xk1,xk2,…xkm…,xk7]，分别依次得到第一隐含层、第二隐含层、输出层神经元节点的输入u和输出值v为ykn(t)＝vn(t)＝f(uj(t))(14)其中f激活函数均采用Sigmoid函数由此得到输本文档来自技高网...

【技术保护点】
一种基于误差反传神经网络的飞机残骸智能识别方法，其特征在于，该方法具体步骤如下：步骤一：飞机飞入可疑区域后，打开光电吊舱进行工作，获得实时拍摄图像；步骤二：对步骤一拍摄的图像进行图像预处理，滤除部分图像噪声；步骤三：对步骤二预处理的图像进行图像分割，检测图像中的区域轮廓图，同时获得二维图像数值化表征函数Ik(x,y)；步骤四：对步骤三分割的图像轮廓图表征函数Ik(x,y)进行胡氏矩特征描述，提取相应的胡氏矩特征量φki(i＝1,2,…,7)；步骤五：利用预先掌握的原始目标样本库提取的目标胡氏矩特征量对误差反传神经网络算法进行训练，获得针对原始目标样本库的误差反传神经网络算法的相关训练系数Wmi、Pij、Qjn；步骤六：利用步骤五针对原始目标样本库训练好的误差反传神经网络算法，及系数Wmi、Pij、Qjn对步骤四提取的拍摄图像提取的分块胡氏矩特征量φki(i＝1,2,…,7)进行计算；步骤七：按照步骤六计算获得步骤一拍摄图像的误差反传神经网络算法输出Y；步骤八：当Y值符合确认区间数值，既确认发现目标，启动告警功能；否则，未发现目标，重复步骤一。

【技术特征摘要】
1.一种基于误差反传神经网络的飞机残骸智能识别方法，其特征在于，该方法具体步骤如下：步骤一：飞机飞入可疑区域后，打开光电吊舱进行工作，获得实时拍摄图像；步骤二：对步骤一拍摄的图像进行图像预处理，滤除部分图像噪声；步骤三：对步骤二预处理的图像进行图像分割，检测图像中的区域轮廓图，同时获得二维图像数值化表征函数Ik(x,y)；步骤四：对步骤三分割的图像轮廓图表征函数Ik(x,y)进行胡氏矩特征描述，提取相应的胡氏矩特征量φki(i＝1,2,…,7)；步骤五：利用预先掌握的原始目标...

【专利技术属性】
技术研发人员：贾佳琪，段海滨，徐广帅，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：北京;11