CN112101461A - 一种基于hrtf-pso-fcm的无人机侦察视觉信息可听化方法 - Google Patents

Abstract

本发明涉及基于HRTF‑PSO‑FCM的无人机侦察视觉信息可听化方法，是一种对无人机侦察方向的分布式视觉信息实现可听化的算法实现，属于目标追踪与机器学习领域，其特征在于采用如下步骤：(1)计算更新隶属度；(2)计算更新适应度；(3)更新每个粒子的速度；(4)更新每个粒子的位置；(5)进行灰度变换；(6)确定图像与声音的映射关系。本设计采用PSO‑FCM算法很好的将背景与信息主体相分离，极大加快主要信息的图像向声音的转换的过程，提高系统效率，促进实时性转换。采用声音的频率、响度和音长特征进行编码，有利于将图像信息的多维空间信息进行表示，提高图像信息转化为声音信息的辨识能力。

Description

一种基于HRTF-PSO-FCM的无人机侦察视觉信息可听化方法

技术领域

本发明涉及目标追踪与机器学习领域，主要是一种对无人机侦察方向的分布式视觉信息实现可听化的 算法实现。

背景技术

目标追踪就是利用机器拍摄到的视觉信息，进行图像处理，从而获取目标的关键信息进行标记。除此 之外，将追踪到的目标图像转换为声音信息，可以很好的解决图像立体感知的问题。传统的图像可听化方 法大多基于像素方法，这种方法保留重要的视觉特征，但是由于图像处理的数据比较大，降维的过程中不 可避免的丢失了大量重要的视觉特征，识别效果受到一定影响，同时随着计算量的增大，系统消耗时间延 长，空间复杂度繁杂。所以，传统的视觉信息向声音信息的转换，在实时性方面有一定的困难，并且由于 大量重要的视觉特征的丢失，一些重要的信息丢失的现象常常存在。

对于以上的问题，拟提出一种基于HRTF-PSO-FCM的无人机侦察视觉信息可听化方法。使用基于粒 子群的模糊C均值聚类算法的图像分割算法，一方面，算法收敛速度快，设置参数量较少，提高算法的实 时性效果。另一方面，算法避免了易局部最优的缺陷。算法使用HRTF与声音参数变化相结合方法进行视 觉信息的可听化，利用声音的频率、响度和音长特征进行编码，有利于将图像信息的多维空间信息进行表 示，提高图像信息转化为声音信息的辨识能力。为了提高目标追踪领域以及相关领域中视觉信息可听化的 效果，准确实时的完成可听化尤为关键，本设计提出的基于HRTF-PSO-FCM的无人机侦察视觉信息可听 化方法，大大提高了图像转化为听觉信息的准确性和可辨识度，提高人对图像转化成声音的识别效率，具 有一定的实用价值。

发明内容

针对上述现有技术中存在的问题，本发明要解决的技术问题是提供一种基于HRTF-PSO-FCM的无人 机侦察视觉信息可听化方法，其具体流程如图1所示。

技术方案实施步骤如下：

(1)计算更新隶属度u_ik：

首先，初始化各项参数，包括惯性权重w，群体规模N，学习因子c₁和c₂，个体极值P_best,i，全局极 值G_best，模糊指数m，聚类数目c，最小迭代误差ε，最大迭代次数T_max，令当前迭代次数t＝0。

式中，i为第i个粒子，k为第k类，d_ik为样本点x_i距离聚类中心的欧氏距离。

(2)计算更新适应度f(x_i)：

式中，k为常数，J_m(U,V)为聚类的目标函数，U表示原矩阵，V表示聚类中心。其中，当J_m(U,V) 达到最小值时，个体适应度具有最大值。

若计算得到的适应度大于P_best,i，则更新P_best,i。若大于G_best的适应度，则更新G_best。

(3)更新每个粒子的速度V_i(t+1)：

V_i(t+1)＝wV_i(t)+c₁r₁(P_best,i(t)-X_i(t))+c₂r₂(G_best(t)-X_i(t))

式中，i为第i个粒子，t表示迭代次数，w为惯性权重，r₁、r₂表示[0,1]之间的随机数，X_i(t)表示 第i个的位置向量。

(4)更新每个粒子的位置X_i(t+1)：

X_i(t+1)＝X_i(t)+V_i(t+1)

式中，X_i(t)表示第i个的位置向量。当

ε为最小迭代误差，或者t＞T_max时， T_max为最大迭代次数，迭代终止，根据最大隶属度完成对图像的目标分割。否则返回步骤二，使得t＝t+1。

(5)进行灰度变换：

对经过目标分割的图像进行灰度变换，增强目标，消除背景：

(6)确定图像与声音的映射关系：

首先，将处理过的图像进行下采样，得到24×32像素结果。将方向角均匀划分为b份，仰角

设定l 个角度，得到l×b尺寸大小的声源矩阵。深度图像灰度值映射为声源响度，划分为d个等级，则图像-声音 的映射方案如下所示，表达式为：

σ(t)＝2^dsin(2πf(i)s),s＝1,2,…,n×β

式中，f(i)是行坐标i映射的音符频率，s为该声源样点数，决定声源的播放时间，β为基本样点数， n为该声源所映射到的像素点个数。

本发明比现有技术具有的优点：

(1)本设计采用PSO-FCM算法很好的将背景与信息主体相分离，极大的加快主要信息的图像向声音 的转换的过程，提高系统效率，促进实时性的转换。

(2)本设计用声音的频率、响度和音长特征进行编码，有利于将图像信息的多维空间信息进行表示， 提高图像信息转化为声音信息的辨识能力。

附图说明

为了更好的理解本发明，下面结合附图作进一步的说明。

图1是建立基于HRTF-PSO-FCM的无人机侦察视觉信息可听化方法的步骤流程图；

图2是建立基于HRTF-PSO-FCM的无人机侦察视觉信息可听化方法的算法流程图；

图3是利用本发明对四组无人机侦察视觉信息可听化方法的结果；

具体实施方案

下面通过实施案例对本发明作进一步详细说明。

本实施案例选用的数据集一共有400组样本，其中，在两个噪声级下录制的视频各有100组，从网上 随机选取的视频有200组。随机从录制的两种噪声视频中各选取25组作为测试集，网上搜索的视频随机 抽取50组作为测试集，样本中剩下的视频作为训练集。最终，用作训练集的样本总数为300组，100组样 本用来做测试集。

(1)计算更新隶属度u_ik：

首先，初始化各项参数，包括惯性权重w，本设计中为0.6，群体规模N，学习因子c₁和c₂，个体极 值P_best,i，全局极值G_best，模糊指数m，聚类数目c，最小迭代误差0.04，最大迭代次数100，令当前迭代 次数t＝0。

式中，i为第i个粒子，k为第k类，d_ik为样本点x_i距离聚类中心的欧氏距离。

(2)计算更新适应度f(x_i)：

式中，k为常数，J_m(U,V)为聚类的目标函数，U表示原矩阵，V表示聚类中心。其中，当J_m(U,V) 达到最小值时，个体适应度具有最大值。

若计算得到的适应度大于P_best,i，则更新P_best,i。若大于G_best的适应度，则更新G_best。

(3)更新每个粒子的速度V_i(t+1)：

V_i(t+1)＝0.6V_i(t)+0.4c₁(P_best,i(t)-X_i(t))+0.7c₂(G_best(t)-X_i(t))

式中，，i为第i个粒子，t表示迭代次数，w为惯性权重，大小为0.6，r₁、r₂表示[0,1]之间的随机数， r₁大小为0.4，r₂大小为0.6，X_i(t)表示第i个的位置向量。

(4)更新每个粒子的位置X_i(t+1)：

X_i(t+1)＝X_i(t)+V_i(t+1)

式中，X_i(t)表示第i个的位置向量。当

最小迭代误差为0.04或者t＞100 时，最大迭代次数为100，迭代终止，根据最大隶属度完成对图像的目标分割。否则返回步骤二，使得 t＝t+1。

(5)进行灰度变换：

对经过目标分割的图像进行灰度变换，增强目标，消除背景：

(6)确定图像与声音的映射关系：

首先，将处理过的图像进行下采样，得到24×32像素结果。将方向角均匀划分为11份，仰角

设定 3个角度，得到3×11尺寸大小的声源矩阵。深度图像灰度值映射为声源响度，划分为3个等级，则图像- 声音的映射方案如下所示，表达式为：：

σ(t)＝2^dsin(2πf(i)s),s＝1,2,…,n×β

式中，f(i)是行坐标i映射的音符频率，s为该声源样点数，决定声源的播放时间，β为基本样点数， n为该声源所映射到的像素点个数。

为了验证本发明对无人机侦察视觉信息可听化结果的准确性，对本发明进行了四组无人机侦察视觉信 息可听化实验，本发明所建立的基于HRTF-PSO-FCM的无人机侦察视觉信息可听化方法准确率均保持在 96％以上，保证稳定性的基础上达到较高准确率，可听化效果良好。这表明本发明建立的HRTF-PSO-FCM 的方法是有效的，为无人机侦察视觉信息可听化提供更好的方法，具有一定实用性。

Claims (1)

1.本发明涉及一种基于HRTF-PSO-FCM的无人机侦察视觉信息可听化方法，其特征在于：计算更新隶属度，计算更新适应度，更新每个粒子的速度，更新每个粒子的位置，进行灰度变换，确定图像与声音的映射关系，具体包括以下六个步骤：

步骤一：计算更新隶属度u_ik；

首先，初始化各项参数，包括惯性权重w，群体规模N，学习因子c₁和c₂，个体极值P_best,i，全局极值G_best，模糊指数m，聚类数目c，最小迭代误差ε，最大迭代次数T_max，令当前迭代次数t＝0；

式中，i为第i个粒子，k为第k类，d_ik为样本点x_i距离聚类中心的欧氏距离；

步骤二：计算更新适应度f(x_i)；

式中，k为常数，J_m(U,V)为聚类的目标函数，U表示原矩阵，V表示聚类中心，其中，当J_m(U,V)达到最小值时，个体适应度具有最大值；

若计算得到的适应度大于P_best,i，则更新P_best,i，若大于G_best的适应度，则更新G_best；

步骤三：更新每个粒子的速度V_i(t+1)；

V_i(t+1)＝wV_i(t)+c₁r₁(P_best,i(t)-X_i(t))+c₂r₂(G_best(t)-X_i(t))；

式中，i为第i个粒子，t表示迭代次数，w为惯性权重，r₁、r₂表示[0,1]之间的随机数，X_i(t)表示第i个的位置向量；

步骤四：更新每个粒子的位置X_i(t+1)；

X_i(t+1)＝X_i(t)+V_i(t+1)；

式中，X_i(t)表示第i个的位置向量，当

ε为最小迭代误差，或者t＞T_max时，T_max为最大迭代次数，迭代终止，根据最大隶属度完成对图像的目标分割，否则返回步骤二，使得t＝t+1；

步骤五：进行灰度变换；

对经过目标分割的图像进行灰度变换，增强目标，消除背景；

步骤六：确定图像与声音的映射关系；

首先，将处理过的图像进行下采样，得到24×32像素结果，将方向角均匀划分为b份，仰角

设定l个角度，得到l×b尺寸大小的声源矩阵，深度图像灰度值映射为声源响度，划分为d个等级，则图像-声音的映射方案如下所示，表达式为；

σ(t)＝2^dsin(2πf(i)s),s＝1,2,…,n×β；

式中，f(i)是行坐标i映射的音符频率，s为该声源样点数，决定声源的播放时间，β为基本样点数，n为该声源所映射到的像素点个数。

Images