[发明专利]基于支持向量机的天气雷达电磁干扰回波识别方法

说明书

本发明涉及图像信息处理技术，为实现充分利用三类电磁干扰回波的不同特征及SVM方法的优越性，可同时识别三类电磁干扰回波，提高电磁干扰回波识别的准确率。本发明，基于支持向量机的天气雷达电磁干扰回波识别方法，步骤如下：步骤1、建立训练样本集步骤2、载入正负样本并分配标签；步骤3、提取正负样本特征步骤4、训练SVM分类器，并生成对应训练样本数据的SVM分类器；步骤5、保存分类器步骤6、检测分类器分类的准确性步骤7、载入测试图像；步骤8、提取测试图像特征步骤9、利用已经训练好的SVM分类器对测试图进行分类；步骤10、实现对螺旋电磁干扰回波和麻点状电磁干扰回波的识别。本发明主要应用于图像信息处理场合。

技术领域

本发明涉及图像信息处理技术领域，具体讲,涉及基于支持向量机的天气雷达电磁干扰回波识别方法。

背景技术

天气雷达回波分为气象回波和非气象回波，而非气象回波会对气象回波的识别造成干扰。非气象回波主要分为地物回波，生物回波，电磁干扰回波和雷达故障异常回波。其中，电磁干扰回波是指雷达回波受外界同频或临频设备的干扰而出现的干扰回波现象，这些干扰回波可以分为三类，即径向干扰回波、螺旋状干扰回波和麻点状干扰回波。近距离的电磁干扰，雷达屏幕上会产生满屏的干扰麻点；而远距离电磁干扰，则会在某个方向上存在固定的干扰。若是单频点电磁干扰，干扰呈直线状；而对于具有一定带宽的干扰，则会在雷达屏幕上产生满屏干扰麻点。

电磁干扰回波是影响新一代天气雷达产品质量的重要因素，它的出现会降低雷达生成的产品质量，主要是对反射率资料的污染，这给雷达资料的应用带来了很大的困扰。虽然雷达操作员或者预报员可以人为的观察到电磁干扰回波并给出标记，但是如果没有一种自动的识别方法，对于实时业务中的降水估测以及雷达资料同化会造成很大的影响。为此，人们希望从硬件和软件方面提出消除电磁干扰的方法，以提高雷达基数据和其它二次产品的质量。通过硬件的方法来解决这一问题目前尚未实现，在软件方面主要是通过设计不同的算法来对电磁干扰回波进行识别，目前已有的识别算法很少，主要有孤立回波消除算法和径向干扰识别算法。孤立回波算法对于具有孤立性的干扰回波进行滤波处理，首先，在观测图上建立一个移动的窗口，如果该窗口内中心点周围的有效值的点少于某一阈值时，则将该中心点去除，即视该点为孤立性的电磁干扰回波。因此该方法适合用来识别或去除螺旋状与麻点电磁干扰回波。然而，由于干扰源出现的距离不定、方位随机、脉宽和工作重频不同，螺旋状干扰回波的形态不尽相同，即在径向上和方位上的连续性不同，所以孤立回波消除算法不能够完全滤除不同形态的螺旋状的电磁干扰回波，同样，对于麻点状干扰回波来说也存在这个问题；径向干扰识别方法是根据电磁干扰回波形态建立的。首先，对同一距离上的距离库沿切向方向划分回波段。然后，统计每个径向上回波强度有效的总距离库数R_T和距离库所在的回波段的宽度为0～5之间的距离库数R_N，计算R_D(R_D＝R_N/R_T×100％)，若R_D≥30％则判定此径向为电磁干扰回波。该方法只适合用来识别径向电磁干扰回波，并且只能识别小于5个径向的窄电磁干扰回波，超出此范围的径向电磁干扰回波该方法无法进行识别。因此，目前的电磁干扰回波识别方法均需要加以改进和提高。

图像分类可以作为信息提取的一种方法，目前已经广泛的应用到各个领域中。图像分类研究的重点主要集中在图像特征的选择与提取和分类模型的选择这两个方面。HOG(Histogram of Oriented Gradient)即方向梯度直方图，是一种在计算机视觉和图像处理中用来进行物体检测的特征描述符。HOG特征对图像几何的和光学的形变都能保持很好的不变性，对光照强度具有很好的鲁棒性，在户外检测中使用广泛。支持向量机(SVM)是建立在统计学习理论基础上的一种数据挖掘方法，现已被证明对于分类、回归和模式识别等问题的处理效果非常理想。SVM从本质上讲是一种前向神经网络，根据结构风险最小化准则，在使训练样本分类误差极小化的前提下，尽量提高分类器的泛化推广能力。其基本原理是寻找一个满足分类要求的最优分类超平面，使得该超平面在保证分类精度的同时，使超平面两侧的分类间隔最大。

发明内容