Lattices,LSSVM-CML)算法， 構(gòu)造預(yù)測(cè)函數(shù)，得到預(yù)測(cè)值；海雜波預(yù)測(cè)值與實(shí)際值進(jìn)行雜波對(duì)消。
[0052] 如圖1(a)和圖1(b)所示，本實(shí)施例的海雜波圖像是在我國某海域?qū)嶋H采集的，天 氣晴朗，風(fēng)力較小。圖像序列總共有600幀圖像，每幀圖像大小為234X306像素，選取海面 部分作為樣本，大小為140X306,預(yù)測(cè)點(diǎn)的數(shù)目都為50,具體實(shí)施本發(fā)明方法包括以下步 驟：
[0053] 1、任意選取該海雜波圖像中的同一個(gè)位置，得到它的灰度值序列作為時(shí)間強(qiáng)度序 列；選取與上面同一位置所在的海波方向的灰度序列作為空間強(qiáng)度數(shù)據(jù)序列。
[0054] 2、對(duì)所取的海雜波時(shí)間和空間序列，計(jì)算各自的的自相關(guān)函數(shù)、延遲時(shí)間、關(guān)聯(lián)維 數(shù)、嵌入維數(shù)、最大Lyapunov指數(shù)和相空間重構(gòu)。
[0055] 對(duì)時(shí)間和空間序列的延遲時(shí)間進(jìn)行計(jì)算分別為4和6 ;最大Lyapunov指數(shù)都為 正數(shù)；關(guān)聯(lián)維數(shù)進(jìn)行計(jì)算分析可知嵌入維m的增大，嵌入維m大于11后一直穩(wěn)定在5~6 之間，實(shí)際計(jì)算中統(tǒng)一取6,斜率（關(guān)聯(lián)維D2)逐漸達(dá)到一個(gè)飽和值，表明光電圖像海雜波 的關(guān)聯(lián)維是有限的，而在實(shí)際選取中會(huì)選擇一個(gè)符合統(tǒng)計(jì)規(guī)律比較穩(wěn)定的值，如圖3 (a)、圖 3(b)所示分別顯示了時(shí)域和空域的關(guān)聯(lián)維。
[0056] 3、利用徑向基函數(shù)RBF神經(jīng)網(wǎng)絡(luò)對(duì)海雜波動(dòng)力學(xué)建模，然后采用訓(xùn)練好的神經(jīng)網(wǎng) 絡(luò)對(duì)海雜波進(jìn)行預(yù)測(cè)，如圖4所示，時(shí)域訓(xùn)練樣本500預(yù)測(cè)樣本50,空域訓(xùn)練樣本90預(yù)測(cè) 樣本50。具體內(nèi)容包括：
[0057] a)將海雜波時(shí)間強(qiáng)度數(shù)據(jù)序列分為訓(xùn)練部分和預(yù)測(cè)部分，對(duì)訓(xùn)練部分進(jìn)行相空間 重構(gòu)，設(shè)訓(xùn)練樣本的個(gè)數(shù)為N。
[0058] b)用訓(xùn)練樣本設(shè)計(jì)出合理的RBF神經(jīng)網(wǎng)絡(luò)。在對(duì)訓(xùn)練樣本進(jìn)行相空間重 構(gòu)的基礎(chǔ)上，以相點(diǎn)作為徑向基函數(shù)RBF神經(jīng)網(wǎng)絡(luò)的輸入向量，即分別以y(t，i)= {x(t，i)，X(t，i+T)，? ??，X[t，i+ (m-1)T]}、yt (t，i) ={x(t，i)，X(t+Tt，i)，? ??，X[t+ ( mt_l)Tt,i]}作為輸入向量，以x(t,i+1)和x(t+l,i)作為預(yù)測(cè)值輸出，訓(xùn)練基函數(shù)的中心、 方差和隱含層到輸出層的權(quán)值參數(shù)。
[0059] 4、綜合利用海雜波在空間和時(shí)間的混沌特性，構(gòu)造線性預(yù)測(cè)函數(shù)，通過神經(jīng)網(wǎng)絡(luò) 訓(xùn)練得到合適的耦合參數(shù)e，輸入為空時(shí)域預(yù)測(cè)是灰度值，輸出為真實(shí)值，調(diào)整耦合參數(shù)的 數(shù)值，使預(yù)測(cè)誤差達(dá)到最小，其原理如圖5所示。
[0060] 5、計(jì)算預(yù)測(cè)函數(shù)得到的預(yù)測(cè)值，得到海雜波圖像相鄰時(shí)刻、相鄰空間的像 素灰度值預(yù)測(cè)，如圖6。比較預(yù)測(cè)值和實(shí)際值之間的絕對(duì)差值實(shí)現(xiàn)雜波對(duì)消，采用 的雜波對(duì)消方法，如果神經(jīng)網(wǎng)絡(luò)經(jīng)過訓(xùn)練確實(shí)獲得了海雜波的內(nèi)在動(dòng)力學(xué)特性，并 且預(yù)測(cè)具有一定的精度，那么其預(yù)測(cè)誤差error(t+(mt-l)Tt+l，i+(m-l)T+1)將 會(huì)很小。為了衡量預(yù)測(cè)效果的好壞，這里采用平均絕對(duì)誤差來說明，其定義為：
測(cè)誤差一直很小，該區(qū)域的平均絕對(duì)誤差MAD為0. 0106。說明產(chǎn)生海雜波的內(nèi)在非線性系 統(tǒng)參數(shù)不隨時(shí)間和空間變化或變化緩慢，表明本方法實(shí)現(xiàn)海雜波抑制具有一定的實(shí)用性。
【主權(quán)項(xiàng)】
1. 基于空時(shí)混沌的光電圖像海雜波抑制方法，其特征在于所述抑制方法包括以下步 驟： 1) 選取海雜波光電圖像序列同一位置處的圖像強(qiáng)度組成一個(gè)海雜波時(shí)間強(qiáng)度數(shù)據(jù)序 列，同時(shí)選取海雜波光學(xué)圖像中沿海浪運(yùn)動(dòng)方向的一列圖像強(qiáng)度組成海雜波空間序列； 2) 計(jì)算海雜波時(shí)、空數(shù)據(jù)序列的自相關(guān)函數(shù)和延遲時(shí)間； 3) 計(jì)算海雜波時(shí)、空數(shù)據(jù)序列的關(guān)聯(lián)維數(shù)和嵌入維數(shù)； 4) 計(jì)算海雜波時(shí)、空數(shù)據(jù)序列的最大Lyapunov指數(shù)； 5) 重構(gòu)海雜波時(shí)、空數(shù)據(jù)序列的相空間； 6) 利用RBF神經(jīng)網(wǎng)絡(luò)分別預(yù)測(cè)海雜波在空域和時(shí)域的灰度值； 7) 利用兩個(gè)預(yù)測(cè)值和一個(gè)實(shí)際值擬合出耦合參數(shù)； 8) 調(diào)解耦合參數(shù)，構(gòu)造預(yù)測(cè)函數(shù)，使其預(yù)測(cè)效果達(dá)到最優(yōu)化。2. 根據(jù)權(quán)利要求1所述的基于空時(shí)混沌的光電圖像海雜波抑制方法，其特征在于： 1) 所述的海雜波時(shí)間強(qiáng)度數(shù)據(jù)序列是由圖像序列同一位置處的圖像塊最大灰度值與 最小灰度值之差構(gòu)成的，圖像塊大小為9X9像素； 2) 所述的海雜波空間強(qiáng)度數(shù)據(jù)序列是由圖像序列選取中沿海浪運(yùn)動(dòng)方向的一列圖 像強(qiáng)度組成海雜波空間序列，海浪運(yùn)動(dòng)方向是截取波浪紋理圖像并生成時(shí)棧圖像，通過 Radon變換（拉東變換，是將數(shù)字圖像矩陣在某一指定角度射線方向上做投影變換）實(shí)現(xiàn)波 向的有效檢測(cè)，定義圖像P(x，y)在角度為Θ的Radon變換，Radon變化定義為：以角度Θ為變量的Radon變換做出一幅Radon變換域內(nèi)的投影圖像，其橫軸為角度 Θ，縱軸為X'，Radon變換的投影線積分的強(qiáng)度Mx')就是Radon變換域內(nèi)的投影圖像 亮度。3. 根據(jù)權(quán)利要求1所述的基于混沌的光電圖像海雜波抑制方法，其特征在于：所述的 海雜空間波數(shù)據(jù)序列的自相關(guān)函數(shù)定義為：式中，x(t，i)是海雜波的圖像灰度；t是圖像幀數(shù)；而i則表示圖像空間位置；N表示數(shù) 據(jù)序列的長(zhǎng)度；相空間延遲是τ自相關(guān)函數(shù)下降到初始值的I時(shí)對(duì)應(yīng)的i值。4. 根據(jù)權(quán)利要求1所述的基于空混沌的光電圖像海雜波抑制方法，其特征在于：所述 的海雜波空間數(shù)據(jù)序列的關(guān)聯(lián)維為D2，定義為：其中C(r)是對(duì)數(shù)據(jù)序列{x(t, i), i = 1，2, 3,…，N}的重構(gòu)相空間y(t, j)計(jì)算關(guān)聯(lián)積 分，其定義為：式中，I I · I I是Euclidean范數(shù)；H為Heaviside階躍函數(shù)。5. 根據(jù)權(quán)利要求1所述的基于空時(shí)混沌的光電圖像海雜波抑制方法，其特征在于：所 述的海雜波數(shù)據(jù)序列的相空間嵌入維為m，并且滿足m多D 2的值。6. 根據(jù)權(quán)利要求1所述的基于空時(shí)混沌的光電圖像海雜波抑制方法，其特征在于：所 述的海雜波空間強(qiáng)度數(shù)據(jù)序列的最大Lyapunov指數(shù)是通過Rosenstein小數(shù)據(jù)量方法得 至 1J，最大Lyapunov指數(shù)定義為：式中，djt，i)表示的是軌道上第j個(gè)點(diǎn)和它的最鄰近點(diǎn)之間經(jīng)過第i個(gè)離散步長(zhǎng)后 的距離；A t為樣本周期；P為平均周，在重構(gòu)相空間后，尋找給定軌道上每個(gè)點(diǎn)的最鄰近點(diǎn) y (t，j'），并計(jì)算它們之間的距離，即 (Ij (t，0) = min I I y (t，j) -y (t，j'）I I I j-j' I > P。7. 根據(jù)權(quán)利要求1所述的基于混沌的光電圖像海雜波抑制方法，其特征在于：所 述的海雜波空間強(qiáng)度數(shù)據(jù)序列的相空間重構(gòu)是指對(duì)空間強(qiáng)度數(shù)據(jù)序列Ix(t，i)，i = 1，2, 3,…，N}取不同的延遲來構(gòu)造一個(gè)m維相空間y (t，j)，即： y (t，j) = {x (t，i)，X (n，i+ τ )，…，X [n，i+ (m-1) τ ]} j = 〇, 1，2,…，N- (m-1) τ 式中，y(t，j)表示重構(gòu)相空間的相點(diǎn)，對(duì)海雜波的時(shí)間強(qiáng)度數(shù)據(jù)序列，其重構(gòu)的相空間 軌跡與空間相空間重構(gòu)方式相似，時(shí)間相空間的延遲時(shí)間τ t和嵌入維數(shù)^的取值不相同。8. 根據(jù)權(quán)利要求1所述的基于混沌的光電圖像海雜波抑制方法，其特征在于：所述的 徑向基函數(shù)RBF神經(jīng)網(wǎng)絡(luò)的基函數(shù)定義為： fit) = 訓(xùn)練徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)基函數(shù)的中心值、方差以及隱含層到輸出層的權(quán)值，f就是經(jīng) 過神經(jīng)網(wǎng)絡(luò)訓(xùn)練后需要逼近的函數(shù)。9. 根據(jù)權(quán)利要求1所述的基于混沌的光電圖像海雜波抑制方法，其特征在于：綜合利 用海雜波在空間與時(shí)間上的混沌特性，對(duì)海雜波圖像相鄰時(shí)刻，相鄰空間的像素度進(jìn)行預(yù) 測(cè)，預(yù)測(cè)函數(shù)可以表示為： x(t, i) = (I - s)xt(t, /) + cxs(t, i) i表示距離，t表示時(shí)間，運(yùn)用空間相關(guān)系數(shù)來估計(jì)空間耦合系數(shù)ε，xt(t, i)表示時(shí)間 序列預(yù)測(cè)函數(shù)，Xs(t，i)表示空間序列預(yù)測(cè)函數(shù)。10. 根據(jù)權(quán)利要求1所述的基于混沌的光電圖像海雜波抑制方法，其特征在于：對(duì)上述 海雜波預(yù)測(cè)值和海雜波實(shí)際值進(jìn)行雜波對(duì)消是指兩者的絕對(duì)差值，即
【專利摘要】一種基于空時(shí)混沌的光學(xué)海雜波抑制方法，包括以下步驟：選取海雜波光學(xué)圖像中同一位置處的圖像強(qiáng)度組成海雜波時(shí)間序列，選取海雜波光學(xué)圖像中沿海浪運(yùn)動(dòng)方向的一列圖像強(qiáng)度組成海雜波空間序列；分別驗(yàn)證海雜波在時(shí)域和空域的混沌性，具體方法包括計(jì)算數(shù)據(jù)序列的延遲時(shí)間、關(guān)聯(lián)維數(shù)和最大Lyapunov指數(shù)；分別對(duì)時(shí)域和空域的數(shù)據(jù)序列進(jìn)行訓(xùn)練徑向基函數(shù)的神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)；用兩個(gè)預(yù)測(cè)值和實(shí)際值進(jìn)行線性擬合，得到一個(gè)耦合系數(shù)；采用最小二乘支持向量機(jī)-耦合映象格子算法，構(gòu)造預(yù)測(cè)函數(shù)，得到預(yù)測(cè)值；海雜波預(yù)測(cè)值與實(shí)際值進(jìn)行雜波對(duì)消。本發(fā)明采用了空域和時(shí)域結(jié)合預(yù)測(cè)的算法抑制海雜波，克服了現(xiàn)有時(shí)域混沌機(jī)理預(yù)測(cè)的不準(zhǔn)確性。
【IPC分類】G06T5/00, G06N3/02
【公開號(hào)】CN105069752
【申請(qǐng)?zhí)枴緾N201510434211
【發(fā)明人】李正周, 楊麗嬌, 李家寧, 侯倩, 程蓓
【申請(qǐng)人】重慶大學(xué)
【公開日】2015年11月18日
【申請(qǐng)日】2015年7月22日