[发明专利]一种基于集成学习的超高速撞击损伤的定量识别方法

权利要求书

1.一种基于集成学习的超高速撞击损伤的定量识别方法，其特征在于，包括以下步骤：

步骤一、获取损伤区域的红外重构图像；通过红外热像仪获取的原始红外重构图像序列数据，获得航天器撞击损伤区域的红外重构图像；

步骤二、损伤物理特征属性的提取；分别定义平均相对温度特征、平均相对能量特征和平均温度梯度特征，对表征损伤区域热量情况的物理属性进行量化；

步骤三、规则损伤的尺寸特征提取，度量规则损伤的尺寸；定义相对温度为损伤区域相对于非损伤区域的温度差值；将损伤区域红外图像的平均相对温度表示在三维图像中，取损伤区域直径方向剖面的温度曲线并表示在二维坐标系中，得到损伤最大相对温度和损伤的实际直径大小；

步骤四、不规则损伤的尺寸特征提取，通过识别损伤的边缘轮廓实现损伤尺寸的量化；

步骤五、不规则损伤的形态特征提取；对于不规则损伤的形态特征提取，设计更多的参数描述损伤形态特征情况，通过链码技术量化损伤区域的面积、重心、长短径和周长形态特征；

步骤六、在超高速撞击损伤类别判断模型中，将总体数据集分为物理量化属性和形态量化属性两个大类，并在各自类别中随机采样形成多个子数据集；

选用步骤二定义的平均相对温度特征、平均相对能量特征、平均温度梯度特征和步骤三中的损伤最大相对温度作为物理量化属性，选用步骤三中得到的规则损伤实际直径大小，步骤四中得到的不规则损伤实际尺寸大小以及步骤五中得到的不规则损伤区域面积、重心、长短径和周长作为形态量化属性，构成子数据集；

在得到不同的子数据集之后，需要对损伤定量分析，引入集成学习的概念，采用少数分类器服从多数分类器的组合方式，这里我们运用人工神经网络ANN来构建各个子分类器。

2.如权利要求1所述的基于集成学习的超高速撞击损伤的定量识别方法，其特征在于，所述步骤一中获得红外重构图像的具体步骤为：通过红外热像仪获取的原始红外重构图像序列数据Q(m,n,:)_M×N×T，进行向量化后得到每一个像素点对应的瞬态热响应TTR，利用高斯混合模型GMM对具有不同特征的TTRs进行类别划分，并选取满足GMM每类高斯模型的概率最大值的TTR作为用于构造观测矩阵的混叠矩阵的向量，从而获得航天器撞击损伤区域的红外重构图像。

3.如权利要求1所述的基于集成学习的超高速撞击损伤的定量识别方法，其特征在于，所述步骤二中平均相对温度特征量化的计算公式为：

其中N_Ω表示损伤区域内温度单元的数量，T_k表示损伤区域内每个温度单元的温度值，T_back表示背景区域内温度单元的温度值，||·||表示1范数，ΔT为平均相对温度；

定义的平均相对能量特征的量化公式为：

其中||·||₂表示2范数，ΔE为平均相对能量；

定义的平均温度梯度特征的量化公式为：

其中Ω^C表示损伤区域轮廓温度单元的集合，Ω_k表示第k个温度单元的邻域，Dist_m表示邻域中第m个温度单元到该区域中心的距离，ΔG为平均相对温度梯度。