[发明专利]成像匹配辅助导航的可匹配性评估方法

权利要求书

1.一种成像匹配辅助导航的可匹配性评估方法，步骤包括：

（1）选择用于可匹配性评估的参数集；

（2）确定评估结论类别；

（3）使用上述可匹配性评估的参数集作为输入，评估结论作为输出，构造模式识别人工神经网络；

（4）使用先验知识训练模式识别人工神经网络；

（5）用步骤（4）经过训练的神经网络进行可匹配性评估，将基准图的上述参数作为模式识别人工神经网络的输入，由模式识别人工神经网络输出评估结果。

2.如权利要求1所述的成像匹配辅助导航的可匹配性评估方法，其特征在于，所述的参数集包括：基准图灰度方差、相关面主峰值和主峰尖锐度。

3.如权利要求2所述的成像匹配辅助导航的可匹配性评估方法，其特征在于，所述的参数集还进一步包括：独立像元数、信息熵、主次峰比、特征景象信息量、复杂度和偏心率。

4.如权利要求1所述的成像匹配辅助导航的可匹配性评估方法，其特征在于，所述的评估结论类别包括：不可匹配或可匹配；不可匹配、可匹配但误差较大或可匹配且误差小；不可匹配、可匹配但误配可能性大或可匹配且误配可能性小。

5.如权利要求1所述的成像匹配辅助导航的可匹配性评估方法，其特征在于，所述的模式识别人工神经网络采用反向传播学习算法的多层前馈网络，网络的每一个输入节点对应于样本的一个参数，而输出层节点数等于评估结论类别数，一个输出节点对应一个评估结论类别。

6.如权利要求1所述的成像匹配辅助导航的可匹配性评估方法，其特征在于，所述的使用先验知识训练神经网络的过程为：通过挂飞或仿真试验获取成像实时图，并与相应的基准图进行匹配，对匹配的准确性和精度进行人工判读确认；计算各基准图的上述参数并作为一个样本；积累一定数量的样本并将相应的匹配结果用于该人工神经网络的训练，将样本数的80％用于训练、20％用于校验，当神经网络通过多次训练其评估正确性仍不能达到要求时，调整神经网络的隐层节点数重新进行训练直到其评估正确性达到要求为止。