基于长波、中波红外表现对比度的无源测距方法技术

本发明专利技术涉及基于长波、中波红外表现对比度的无源测距方法，其包括先搭建Elman神经网络模型，Elman神经网络的网络结构包括输入层、第一隐含层、第二隐含层、第三隐含层、第一承接层、第二承接层和输出层；接着进行Elman神经网络模型的网络训练；最后基于Elman神经网络模型实现反演修正的长波、中波红外表观对比度的无源测距，即将待计算的红外成像采集的长波、中波样本直接输入训练好的Elman神经网络模型中进行基于长波、中波红外表观对比度的无源测距。本发明专利技术隐蔽性强，能够适应于保密性强的工作需求，且计算过程简单、测距精度高，其次还具有较强的泛化能力，能够适应不同的天气变化。能够适应不同的天气变化。能够适应不同的天气变化。

【技术实现步骤摘要】
基于长波、中波红外表现对比度的无源测距方法


[0001]本专利技术涉及无源测距方法
，具体说是基于长波、中波红外表现对比度的无源测距方法。

技术介绍

[0002]采用中、长波双波测距方案，光谱区间选择3～5m/8～14m，双波段被动测距模型属于非线性方程，非线性方程的求解方法有牛顿法、插值法、割线法等，这些方法均通过迭代的方式来求解，理论上通过模型可以获得目标距离，但是方程的求解过程复杂，受初值影响大，不能得到唯一的精确解，该模型对外部大气环境的泛化能力不强，当外部环境发生改变时，模型的测距精度降低，例如处于沙漠区、森林区的情况下测距效果会发生很大的变化。基于以上缺点，需要对测距模型亟待改进，使得模型对距离估计有唯一解，并且具有较强的泛化能力，能够适应不同的天气变化。神经网络在泛化学习能力方面有很好的效果，因此，拟定基于改进Elman神经网络的被动测距算法，通过获得目标在中长波双波带窗口的表现对比度和目标天顶角，对数据进行训练、建模、测试、求解距离。

技术实现思路

[0003]针对上述问题，本专利技术提供一种精确度高、适应本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于长波、中波红外表现对比度的无源测距方法，其特征在于，包括如下步骤：S1,搭建Elman神经网络模型；所述Elman神经网络的网络结构包括输入层、第一隐含层、第二隐含层、第三隐含层、第一承接层、第二承接层和输出层，且所述输入层包括5个输入神经元，所述第一隐含层、第二隐含层和第三隐含层均包括15个神经元，所述输出层包括1个神经元；5个输入神经元分别为输入神经元1、输入神经元2、输入神经元3、输入神经元4和输入神经元5；输入神经元1为3～5um波段目标表现对比度；输入神经元2为8～12um波段目标表现对比度；输入神经元3为输入神经元1和2的差值；输入神经元4为输入神经元1和2的值之和；输入神经元5为目标天顶角；S2，进行Elman神经网络模型的网络训练；S201，初始化各层权重、阙值，设定Elman神经网络的一个初始参数；S202，数据预处理：获取长波、中波的样本，通过modtran仿真生成训练所需的实验数据，计算出不同波段的表观对比度；S203，输入输入层样本值,具体为输入神经元1、输入神经元2、输入神经元3、输入神经元4和输入神经元5的样本值；S204，计算输入层输出；S205，计算隐含层输出的结果，一部分直接到输出层，一部分反馈到承接层，再计算承接层的输出，承接层输出的结果和输入层的输出一起再次作为隐含层的输入，并再次计算隐含层的输出；S206，计...

【专利技术属性】
技术研发人员：周欢喜，田岩，杨俊波，贾红辉，胡政欢，
申请(专利权)人：湖南宏动光电有限公司，
类型：发明
国别省市：