基于形狀識別的返回散射電離圖分類方法研究

郭延波 李雪 程延鋒

(中國電波傳播研究所,青島 266107)

?

基于形狀識別的返回散射電離圖分類方法研究

郭延波 李雪 程延鋒

(中國電波傳播研究所,青島 266107)

基于中值濾波算法,結(jié)合電離圖中雜波信號和背景噪聲的分布特點,提出了一種返回散射電離圖干凈數(shù)據(jù)提取新算法;利用返回散射電離圖干凈數(shù)據(jù),基于形狀識別理論,給出了一種返回散射電離圖分類算法,并對形狀因子的提取方法進行了簡單介紹. 實測電離圖仿真實驗結(jié)果顯示,所提電離圖分類算法具有較好的實測電離圖識別和分類能力,具有較好的應(yīng)用前景.

返回散射電離圖;干凈數(shù)據(jù);形狀識別

DOI 10.13443/j.cjors.2015062801

引 言

對返回散射電離圖進行智能判讀,獲取探測信息在無線電覆蓋區(qū)監(jiān)視、短波通信(雷達)頻段選擇、電離層結(jié)構(gòu)監(jiān)測等多方面應(yīng)用中有著重要的作用[1-4]. 返回散射探測信號工作在高頻波段,干擾多,且探測信號兩次經(jīng)過電離層,一次地海雜波散射,回波能量弱,并攜帶大量的復(fù)雜電離層信息,使得返回散射電離圖的智能判讀異常困難.

目前,國內(nèi)外學(xué)者對返回散射電離圖智能判讀工作已經(jīng)進行了大量的研究,并取得了一定的成果. 文獻[5]對返回散射電離圖的智能判讀做了概要介紹;文獻[6-7]在返回散射電離圖的前沿提取方面針對不同的電離層情況提出了相應(yīng)的解決辦法. 文獻[8-9]分別進行了有關(guān)返回散射電離圖干凈數(shù)據(jù)提取和返回散射傳播模式判別的方法研究. 然而,一般文獻中關(guān)于電離圖信息提取,多是針對某一特定類型電離圖給出具體的提取算法或針對幾種不同電離圖分別給出不同的電離圖信息提取方法,但關(guān)于如何判定電離圖的類別,前述文獻中少有提及,而在實際工程應(yīng)用中,對返回散射電離圖進行智能分類,是電離圖智能判讀的前提,準(zhǔn)確判定電離圖類型,選擇合適的電離層信息提取算法,可極大地提高返回散射電離圖智能判讀精度. 文獻[9]中給出了一種利用閾值設(shè)定來判斷返回散射電離圖層數(shù)的方法,但不同狀態(tài)的電離圖所需的閾值也會有較大差異,導(dǎo)致某些狀態(tài)的電離圖層數(shù)會出現(xiàn)漏判或錯判的情況.

本文采用新的返回散射電離圖干凈數(shù)據(jù)提取方法,引入形狀識別理論,提出了一種返回散射電離圖類型識別新技術(shù),可有效地提高電離圖類型以及電離層層數(shù)識別的準(zhǔn)確性和穩(wěn)定性.

1 算法描述

返回散射電離圖類型識別的算法步驟如下:

1) 選取基準(zhǔn)電離圖. 采用返回散射電離圖干凈數(shù)據(jù)提取算法,提取基準(zhǔn)電離圖的干凈圖形;采用基于形狀分析的電離圖特征提取算法,提取干凈圖形的形狀因子;依次將各基準(zhǔn)圖形的形狀因子插入形狀因子列表,以備后期分類比較.

2) 提取待分類電離圖的形狀因子. 具體算法同基準(zhǔn)電離圖形狀因子提取算法.

3) 將待分類電離圖的形狀因子依次和基準(zhǔn)形狀因子列表中的各形狀因子進行比較,依據(jù)歐式距離最小原則,將待分類電離圖歸入歐式距離最小的那個基準(zhǔn)電離圖類.

該算法主要由兩個核心算法組成:返回散射電離圖干凈數(shù)據(jù)提取算法和電離圖特征提取算法,下面依次介紹這兩個算法.

1.1 返回散射電離圖干凈數(shù)據(jù)提取算法

文獻[8]詳細論述了實測電離圖干凈數(shù)據(jù)的提取方法,但該文有關(guān)電離圖中無線電波干擾的處理是先標(biāo)注干擾頻點并將該頻點能量置零,后期采用能量補償來得到完整的電離圖結(jié)構(gòu),這種處理過程會導(dǎo)致原始電離圖結(jié)構(gòu)一定程度的失真. 本文結(jié)合形狀識別算法的需要,再考慮實測電離圖中無線電波干擾及背景噪聲的分布特性,提出一種全新的干凈數(shù)據(jù)提取算法,主要包含下面兩個步驟.

1.1.1 采用中值濾波算法進行電離圖平滑

用中值濾波的方式對原始電離圖進行平滑,具體過程是原始電離圖數(shù)據(jù)矩陣的每一元素能量值用其相鄰元素的能量中值來替代,可有效地消除電離圖同頻干擾以及不同距離單元的奇異值點,如圖2所示,其為對圖1用中值濾波算法平滑的結(jié)果圖形,圖中基本消除了原始圖中的無線電波干擾,在距離維上也有一定的平滑效果.

圖1 原始電離圖

1.1.2 消除背景噪聲,提取干凈圖形

對于平滑后的電離圖,觀測其雜波信號和背景噪聲的分布特性,平滑后的電離圖有如下特點: 1)返回散射電離圖雜波信號強度明顯高于背景噪聲強度; 2) 只包含背景噪聲的頻點,其不同距離的信號強度平穩(wěn),如圖2中5～8 MHz的能量分布; 如果一個頻點的有效距離內(nèi)存在雜波信號,則其不同距離信號強度起伏較大. 根據(jù)上述特性,本文提出一種基于信號強度均值結(jié)合信號平穩(wěn)度的自適應(yīng)閾值算法來進行返回散射干凈數(shù)據(jù)的提取,具體步驟描述如下:

1) 計算每一頻點序列的能量均值,記為Ik;

2) 計算每一頻點序列的能量標(biāo)準(zhǔn)差,記為Sk;

3) 結(jié)合每一頻點序列的均值Ik和標(biāo)準(zhǔn)差Sk,調(diào)整每一頻點序列的噪聲閾值Tk,其中Tk=Ik+ΔHk,ΔHk>0且ΔHk=f(Sk)是均方差Sk的函數(shù).噪聲閾值根據(jù)Sk的不同進行調(diào)整,Sk值較大,ΔHk較小; Sk較小,ΔHk較大.調(diào)整的原理是均方差小,代表該頻點背景噪聲所占距離單元較多,可在其均值基礎(chǔ)上適當(dāng)調(diào)高噪聲閾值,抑制較多的噪聲;均方差大,說明該頻點雜波信號所占距離單元較多,其均值基礎(chǔ)上可調(diào)節(jié)空間小,要盡量保留雜波信號;確定噪聲閾值Tk后,保留信號強度大于噪聲閾值的數(shù)據(jù)矩陣元素.

對步驟3)得到的電離圖進行散點消除,消除電離圖中一些較為離散的點,即可得到一副較為清晰的完整返回散射電離圖的干凈數(shù)據(jù)圖,如圖3所示. 本文的噪聲閾值選取算法根據(jù)每一頻點的信號平穩(wěn)度進行確定,各頻點的噪聲閾值不完全相同,噪聲閾值的選取直接影響保留干凈信號的多少,過大,干凈信號保留較少;過小,噪聲保留較多,都會影響后面的形狀因子的提取.

圖3 干凈圖形提取結(jié)果

1.2 返回散射電離圖特征提取算法

本文的返回散射電離圖類型識別算法主要依據(jù)形狀分析理論. 形狀分析是從給定的數(shù)字圖像中提取物體的相應(yīng)形狀特征因子,存儲于特定的數(shù)據(jù)結(jié)構(gòu)中,并用于比較、分類、檢索、識別等操作的過程[10]. 在進行形狀特征因子提取算法設(shè)計時,要考慮諸如噪音干擾、形狀畸變、局部缺損等情況;同時,形狀特征因子應(yīng)該具備對旋轉(zhuǎn)、縮放、平移等變換的不變性[11-12]. 本文的形狀特征因子提取算法應(yīng)用于返回散射電離圖,針對電離圖的特性,本文的形狀特征因子不考慮旋轉(zhuǎn)不變性,結(jié)合文獻[13]的Radon組合投射特征(Radon Composite Features,RCF)算法,本文提出一種基于Radon變換的電離圖特征(Radon Ionogram Features,RIF)提取算法,該算法結(jié)合形狀分析的基本原理和干凈返回散射電離圖的形狀特征,可對不同類型的電離圖進行有效區(qū)分,下面以圖4所示三個電離圖進行算法說明. 圖4是干凈二值電離圖,有效數(shù)據(jù)值為1,背景值為0,左圖和中圖是單F層情況,不難看出二者形狀特征類似,右圖為雙層電離圖,其形狀特征和前面兩圖差別較大,下面是具體算法描述.

圖4 干凈二值電離圖

1.2.1 特征I——形狀峰值

1) 特征提取原理

Radon變換的定義是計算一副二維圖像f(x,y)沿指定方向的投影,其投影表現(xiàn)為一系列線積分. 其數(shù)學(xué)形式化定義如下:

y′cos θ)dy′.

(1)

圖5展示了Radon變換的幾何特性,圖5(a)的正方形沿特定的角度θ,其Radon變換圖5(b)表現(xiàn)為一系列線積分Rθ(x′),積分值Rθ(x′)隨x′的變化而變化. 不難看出,在角度θ的垂直方向上,其Rθ(x′)的最大值最能代表該方位正方形的形狀特征,這一點和人眼的視覺形狀特征相符.

2) 算法仿真

(a) (b)圖5 Radon變換的幾何特性

圖6 干凈電離圖形狀峰值特征

1.2.2 特征II——形狀均勻度

1) 特征提取原理

Radon變換沿特定角度θi的信號分布方差,描述形狀在特定方向上的分布均勻狀況,例如實心圓盤不同方向的分布均勻度完全相同,而實心正方形會出現(xiàn)四個角度極值現(xiàn)象. 將Radon變換矩陣在各方向的“均勻度”作為干凈電離圖的特征II.

為了避免圖像平移帶來的特征提取的影響,只考慮圖像有效部分的分布均勻狀況.引入Xτ(θi)和Xφ(θi)來確定沿θi方向分布的形狀有效部分位置.Xτ(θi)和Xφ(θi)相應(yīng)的定義為:

(2)

(3)

2) 算法仿真

對圖4中的三個電離圖分別進行形狀均勻度描述因子提取，選取64個角度，在干凈返回散射電離圖中，由于已經(jīng)進行了噪聲和散點消除，噪聲閾值hn取0，特征提取結(jié)果見圖7. 圖7三條形狀均勻度特征中，兩個F層的明顯更加接近，而雙層的均勻度特征曲線和前二者差別較大，因而可將形狀均勻度特征作為干凈電離圖第二個有效特征描述因子.

圖7 干凈電離圖形狀均勻度特征

1.2.3 特征III——形狀緊密度

1) 特征提取原理

設(shè)θ∈[0,π),對任一掃描角度θi,存在與之垂直的角度θj,其中

(4)

在Radon平面上角度θi和θj構(gòu)成一對正交組,如圖8所示,該正交對的Radon信號組合形成了待識別形狀的又一特征——形狀緊密度特征,表達式為

(5)

圖8 Radon變換正交對θi和θj的定義

2) 算法仿真

(6)

提取圖4的形狀緊密度描述因子,并提取結(jié)果繪圖,如圖9所示. 和前面兩個特征一樣,圖9兩個單F層的形狀緊密度更加接近,而雙層電離圖的形狀緊密度特征和兩個單F層特征明顯不同,因此將形狀緊密度作為干凈電離圖第三個特征描述因子.

圖9 干凈電離圖形狀緊密度特征

1.2.4 基準(zhǔn)距離度量方法

對于給定的電離圖I和I′,本文采用歐式距離度量二者的RIF特征差異:對于本文的電離圖類型識別,式(6)中I代表基準(zhǔn)電離圖形狀因子矩陣,I′代表待分類電離圖形狀因子矩陣,用I′和所有的基準(zhǔn)電離圖比較,得到歐式距離序列,通過比較歐式距離序列各元素值,將待分類電離圖歸入序列中距離最小的基準(zhǔn)電離圖類. 以圖4為例,將圖4的左圖和右圖作為基準(zhǔn)圖形,對圖4的中圖進行分類,從三個特征的提取算法仿真結(jié)果不難看出,可將中圖準(zhǔn)確地歸為單F類.

2 實測電離圖分類結(jié)果與分析

本文挑選的實測基準(zhǔn)電離圖代表三類最常見的實測電離圖類： 1) 單F層電離圖； 2) 單Es層電離圖(Es層全遮蔽)； 3) 雙層電離圖(F和E(Es)層共存，Es層半遮避)；如圖10所示. 基于三種基準(zhǔn)電離圖，選三組樣本電離圖，每組10個樣本，如圖11～13所示. 按照返回散射電離圖類型識別的算法步驟，將每個樣本電離圖與基準(zhǔn)電離圖進行比較，得到三個比較結(jié)果，然后將該電離圖歸入與其歐氏距離最短的基準(zhǔn)類，表1列出了三類樣本數(shù)據(jù)的分類結(jié)果，表中的樣本順序和圖11～13的樣本順序完全一致，判定結(jié)果用如下方式表示：I-單F層電離圖，II-Es全遮蔽電離圖，III-雙層電離圖. 從表1可以看出，三種類別的識別正確率均達到80%以上，盡管樣本之間的差異較大，本文算法都可達到一種令人滿意的識別效果. 對于判斷錯誤的樣本圖形，分析其和基準(zhǔn)電離圖的歐式距離，發(fā)現(xiàn)其和三個基準(zhǔn)圖形的距離都較大，該類圖形不符合三個基準(zhǔn)圖形分類，具體工程應(yīng)用中可考慮增加基準(zhǔn)圖形并進一步提高電離圖干凈數(shù)據(jù)提取算法的方式來降低錯判概率.

圖10 基準(zhǔn)電離圖

圖11 單F層樣本圖形

圖12 Es全遮蔽樣本圖形

圖13 雙層電離圖樣本圖形

樣本類別12345678910正確率/%單F層IIIIIIIIIIII90Es全遮蔽IIIIIIIIIIIIIIIIIIII80雙層IIIIIIIIIIIIIIIIIIIIIIIIIIIIII100總正確率?90

3 結(jié) 論

本文采用的電離圖干凈數(shù)據(jù)提取算法有效地降低了無線電波干擾對電離圖結(jié)構(gòu)的影響,并較好地保留了電離圖結(jié)構(gòu)的完整性,是形狀特征提取的重要基礎(chǔ). 基于形狀特征因子比較的方式對返回散射電離圖進行智能分類,充分考慮了電離圖各個角度的形狀信息,相對于傳統(tǒng)的基于閾值的電離圖分層分類方法,算法穩(wěn)定性有一定的提高. 在具體的工程應(yīng)用中,可能出現(xiàn)不同于本文三種基準(zhǔn)圖形的特殊電離圖,用于工程實際中,可考慮增加更多的基準(zhǔn)圖形來進行更精細的電離圖分類. 同時,基準(zhǔn)電離圖的干凈圖形形狀因子對后面的電離圖分類影響較大,對于基準(zhǔn)電離圖的選擇算法是以后的研究方向.

[1] 劉慧霞, 梁彥, 程詠梅, 等. 天波超視距雷達的坐標(biāo)變換[J].計算機仿真, 2006, 23(3):70-73.

LIU H X, LIANG Y, CHENG Y M, et al. A coordinate transformation algorithm for over the horizon radar[J]. Computer simulation, 2006, 23(3): 70-73.(in Chinese)

[2] 孔敏, 王國宏, 王永誠. 基于球面模型的天波超視距雷達坐標(biāo)配準(zhǔn)法[J]. 現(xiàn)代雷達, 2006, 28(5): 37-41.

KONG M, WANG G H, WANG Y C. A coordiante registration algorithm for over the horizon radar based on sphere measurement model[J]. Modern radar, 2006, 28(5): 37-41.(in Chinese)

[3] CROFT T A. Sky-wave backscatter: a means for observingour environment at great distances[J]. Review of geophysics, 1972, 10(1):73-155.

[4] EARL G F, WARD B D. The frequency management systemof the Jindalee over-the-horizon backscatter HF radar [J]. Radio science, 1987, 22(2): 275-291.

[5] 李雪, 馮靜, 鄧維波, 等. 返回散射電離圖智能判讀[J]. 電波科學(xué)學(xué)報, 2010, 25(3): 492-496.

LI X, FENG J, DENG W B, et al. Backscatter ionogram intelligent interpretation[J]. Chinese journal of radio science, 2010, 25(3): 492-496.(in Chinese)

[6] 馮靜, 李雪, 齊東玉, 等.返回散射電離圖的前沿提取方法[J]. 空間科學(xué)學(xué)報, 2012, 32(4): 524-531.

FENG J, LI X, QI D Y, et al. Methods for extracting backscatter ionogram leading edges[J]. Chinese journal of space science, 2012, 32(4): 524-531.(in Chinese)

[7] 郭延波, 楊東升, 李雪, 等. 基于小波去噪的返回散射電離圖前沿提取[J].中國電子科學(xué)研究院學(xué)報,2014, 5(5): 503-507.

GUO Y B, YANG D S, LI X, et al. Extracting backscatter ionogram leading edges using denoising technique based on wavelet transform[J]. Journal of China Academy of Electronics and Information Technology, 2014, 5(5): 503-507.(in Chinese)

[8] 齊東玉, 馮靜, 李雪. 返回散射電離圖噪聲和干擾的自動消除方法[J]. 地球物理學(xué)進展, 2011, 26(6): 1925-1930.

QI D Y, FENG J, LI X. Algorithms for automatic cleaning of backscatter ionograms[J]. Progress in geophysis, 2011, 26(6):1925-1930.(in Chinese)

[9] 馮靜, 齊東玉, 李雪, 等.返回散射電離圖傳播模式的自動識別方法[J].電波科學(xué)學(xué)報, 2014, 29(1): 188-194.

FENG J, QI D Y, LI X, et al. Method for auto-identification of propagation modes from backscatter ionograms[J]. Chinese journal of radio science, 2014, 29(1): 188-194. (in Chinese)

[10] DRYDEN I L, MARDIA K V. Statistical shape analysis[J]. Chichester: John Wiley and Sons,1998.

[11] LONCARIC S. A survey of shape analysis techniques[J]. Pattern recognition, 1998, 31(8): 983-1001.

[12] ZHANG D, LU G. Review of shape Representation and description techiniques[J]. Pattern recognition, 2004, 31(8): 37-119.

[13] 陳運文. 形狀識別與圖像分割方法研究[D]. 上海: 復(fù)旦大學(xué), 2008.

CHEN Y W.The study of shape recognition and image segmentation [D].Shanghai: Fudan University, 2008.(in Chinese)

Backscatter ionogram classification based shape recognition

GUO Yanbo LI Xue CHENG Yanfeng

(China Research Institute of Radiowave Propagation, Qingdao 266107, China)

Based on the median filtering algorithm, a method for extracting backscatter ionogram cleaning data is presented by reference to the characteristics of clutter and background noise in the ionogram. An algorithm of backscatter ionogram classification based the shape recognition theory by using the backscatter ionogram cleaning data is put forward, and the method to extract the shape factor are introduced. The simulation result show that the presented algorithm has the capacity of ionogram classification and a good prospect in applications.

backscatter ionogram; cleaning data; shape recognition

10.13443/j.cjors.2015062801

2015-06-28

國家自然科學(xué)基金青年基金(61302006,61032011)； 中國電科技術(shù)創(chuàng)新基金(JJ-QN-2013-28)

TN01

A

1005-0388(2016)03-0443-07

郭延波 (1981-),男,河南人,中國電波傳播研究所工程師,主要研究方向為電離層電波傳播、模式識別、軟件設(shè)計等.

李雪 (1981-),男,黑龍江人,中國電波傳播研究所高級工程師,主要研究方向為電離層回波信號處理、雷達信號處理等.

程延鋒 (1981-),男,陜西人,中國電波傳播研究所工程師,工學(xué)碩士,主要從事電波傳播等方面的工作.

郭延波, 李雪， 程延鋒. 基于形狀識別的返回散射電離圖分類方法研究[J]. 電波科學(xué)學(xué)報,2016,31(3):443-449.

GUO Y B, LI X, CHENG Y F.Backscatter ionogram classification based shape recognition[J]. Chinese journal of radio science,2016,31(3):443-449. (in Chinese). DOI: 10.13443/j.cjors.2015062801

聯(lián)系人： 郭延波 E-mail: guoyanbo_81@126.com