基于小波矩改进遗传算法风切变识别.docVIP

基于小波矩改进遗传算法风切变识别 　　摘要：针对采用三次B样条小波矩提取的低空风切变图像的形状特征，提出了一种改进的遗传算法（GA）用于微下击暴流、低空急流、侧风以及顺逆风4种风切变的类型识别中。该算法中自适应交叉概率仅考虑了进化代数的影响，而变异概率强调个体与群体适应度的作用，使得在均匀把握群体演变方向时，极大程度地丰富种群的多样性。对由此改进算法选取的最优特征子集，采用三阶近邻分类器进行分类识别。实验结果表明，该自适应遗传算法操作方向性强，能快速收敛到全局最优解，稳定地提取出最优特征子集，最终使低空风切变的平均识别率达到97%以上，获取了较好的识别效果。 　　关键词：小波矩；风切变；形状特征；遗传算法；类型识别 　　中图分类号： TP391.413 　　文献标志码：A 　　Abstract： According to the shape features of wind shear images extracted by wavelet invariant moment based on cubic Bspline wavelet basis， an improved Genetic Algorithm （GA） was proposed to apply to the type recognition of microburst， lowlevel jet stream， side wind shear and tailwindorheadwind shear. In the improved algorithm， the adaptive crossover probability only considered the number of generation and mutation probability just emphasized the fitness valve of individuals and group， so that it could control the evolution direction uniformly， and greatly maintain the population diversity simultaneously. Lastly， the best feature subset chosen by the improved genetic algorithm was fed into 3nearest neighbor classifier to classify. The experimental results show that it has a good direction and be able to rapidly converge to the global optimal solution， and then steadily chooses the critical feature subset in order to obtain a better performance of wind shear recognition that the mean recognition rate can reach more than 97% at last. 　　Key words： wavelet moment； wind shear； shape feature； Genetic Algorithm （GA）； type recognition 　　0引言 　　低空风切变是一种严重影响飞机飞行的大气现象，由其引发的飞机事故约占飞机起降事故的30%。而不同类型的风切变对飞机的影响又有较大差异，正确识别各种风切变类型能为飞行安全带来极大帮助。从形状上分析，微下击暴流、低空急流、侧风以及顺逆风4种风切变[1]的图像差别较大，并且同种风切变图像样本间存在一定的空间关系特性，即某些图像样本可看成由其他样本旋转、平移而来。因此，采用对形状特性变化不敏感的形状特征描述算子对目标进行描述，使其能较好地刻画四类风切变的特征，基于图像的方式自动识别各种风切变类型。近年来，以不变矩为基础的形状特征提取算法，已成为图像识别的重要研究方法。1999年，Shen等[2]提出小波矩概念，其思想是利用小波变换来构造目标旋转不变矩特征，可同时获得图像的全局和局部特征，克服了Hu矩和Zernike矩只能刻画图像的全局特征以及对背景和噪声敏感的特点，在识别相似物体时有更高的识别率。 　　在提取的风切变形状特征基础上，主要研究了基于小波矩的自适应遗传算法（Adaptive Genetic Algorithm， AGA）特征选择问题。自适应遗传算法不仅具有传统遗传算法的全局并行优化、鲁棒性强