基于空時(shí)極向局部二值模式的極光圖像序列分類方法
【專利摘要】本發(fā)明公開了一種基于空時(shí)極向局部二值模式的極光圖像序列分類方法，主要解決現(xiàn)有技術(shù)分類效率不高的問題。其實(shí)現(xiàn)步驟為：(1)對(duì)極光圖像序列進(jìn)行逆時(shí)針旋轉(zhuǎn)62.63°的預(yù)處理；(2)對(duì)預(yù)處理后的極光圖像序列進(jìn)行若干次塊數(shù)不同的分塊；(3)使用極向局部二值模式PVLBP算法，提取每塊的極向局部二值模式特征PVLBP，并將各個(gè)塊的PVLBP特征順次連接得到空時(shí)極向局部二值模式特征ST-PVLBP；(4)將極光序列的空時(shí)極向局部二值模式特征ST-PVLBP輸入給支持向量機(jī)SVM分類器進(jìn)行分類，得到分類結(jié)果。本發(fā)明在保持高分類精度的同時(shí)，縮短了分類時(shí)間，提高了分類效率，可用于場(chǎng)景分類與事件檢測(cè)。
【專利說明】基于空時(shí)極向局部二值模式的極光圖像序列分類方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明屬于圖像處理【技術(shù)領(lǐng)域】，具體的說是一種極光圖像序列分類方法，可用于場(chǎng)景分類與事件檢測(cè)。
【背景技術(shù)】
[0002]極光是由太陽風(fēng)、行星際磁場(chǎng)與地球磁層的相互作用形成的美麗的光輝，是日地空間能量耦合以及各種磁層動(dòng)力學(xué)過程中最直觀的電離層蹤跡。日側(cè)極光反映太陽風(fēng)-磁層-電離層耦合在日側(cè)的各種動(dòng)力學(xué)過程，通過對(duì)日側(cè)極光進(jìn)行長期觀測(cè)及對(duì)其形態(tài)、強(qiáng)度、運(yùn)動(dòng)等特征變化進(jìn)行深入研究，對(duì)空間天氣過程的變換規(guī)律研究具有重要意義。
[0003]已有研究者對(duì)極光的研究，主要是采用多種手段進(jìn)行聯(lián)合觀測(cè)，引用多種數(shù)據(jù)如雷達(dá)、衛(wèi)星數(shù)據(jù)研究極光的物理變化過程，探討相應(yīng)的物理規(guī)律。其中，利用地面設(shè)備拍攝得到的極光圖像正是研究極光的一種有力手段。利用極光圖像分析極光的不同形態(tài)變化規(guī)律具有重要的科學(xué)研究價(jià)值，引起了眾多學(xué)者的廣泛關(guān)注。自2003年11月底，我國在北極黃河站安裝了三臺(tái)先進(jìn)的極光全天空成像儀，同時(shí)對(duì)極光的三個(gè)典型波段即427.8nm、557.7nm與630.0nm進(jìn)行連續(xù)觀測(cè)，每年獲得的全天空?qǐng)D像ASI數(shù)以百萬計(jì)，如何充分利用這樣的大數(shù)據(jù)給研究人員帶來了新的考驗(yàn)。
[0004]隨著數(shù)據(jù)的與日俱增，極光的分類研究也從早期的人工肉眼觀察手工標(biāo)記發(fā)展到如今的計(jì)算機(jī)定量分析。自從2004年SyrjSsuo等人在文獻(xiàn)“ Syrjasuo MT, DonovanEF.Diurnal auroral occurrence statistics obtained via machine vision.AnnalesGeophysicae, 22:1103-1113.2004”首次將計(jì)算機(jī)視覺的方法引入靜態(tài)極光圖像的分類，目前已有許多研究人員利用計(jì)算機(jī)技術(shù)來實(shí)現(xiàn)靜態(tài)極光圖像的自動(dòng)處理，并在靜態(tài)極光分類上取得了一定進(jìn)展。但是對(duì)于形態(tài)變化多樣、運(yùn)動(dòng)規(guī)律異常復(fù)雜的極光動(dòng)態(tài)過程，僅考慮極光的靜態(tài)特征顯然不夠，極光的動(dòng)態(tài)過程包含更豐富的信息，對(duì)其展開分析對(duì)研究極光發(fā)生機(jī)制及相應(yīng)的磁層動(dòng)力學(xué)過程具有重要意義。然而，現(xiàn)有的極光運(yùn)動(dòng)自動(dòng)處理研究仍處于起步階段，研究側(cè)重點(diǎn)各有不同?；顦O光形態(tài)明顯，研究弧狀極光的發(fā)生與持續(xù)時(shí)間等規(guī)律對(duì)尾瓣重聯(lián)、磁鞘等離子體注入到低緯邊界層引發(fā)的發(fā)電機(jī)效應(yīng)、低緯邊界層邊緣的KH不穩(wěn)定性等動(dòng)力學(xué)過程具有重要意義，因此本發(fā)明關(guān)注弧狀極光序列。
[0005]在大數(shù)據(jù)的背景下，如何降低算法復(fù)雜度提高算法效率是當(dāng)前亟待解決的問題。Volume Local Binary Patterns作為局部二值模式LBP在視頻序列分析上的拓展,具備計(jì)算簡單、對(duì)單調(diào)的灰度變化具備魯棒性的特點(diǎn)。但利用Volume Local Binary Patterns得至IJ的特征向量維數(shù)過高，增加了分類時(shí)間，需要使用更多的機(jī)器內(nèi)存。

【發(fā)明內(nèi)容】

[0006]本發(fā)明的目的在于針對(duì)上述現(xiàn)有技術(shù)存在的不足，提出一種基于空時(shí)極向局部二值模式的極光圖像序列分類方法，以適用于地磁南北向運(yùn)動(dòng)的弧狀極光序列分類，有效減少數(shù)據(jù)冗余，提高分類效率。[0007]實(shí)現(xiàn)本發(fā)明上述目的的技術(shù)方案是:對(duì)輸入的極光圖像序列進(jìn)行逆時(shí)針旋轉(zhuǎn)62.63°的預(yù)處理，提取預(yù)處理后的極光圖像序列的空時(shí)極向局部二值模式特征ST-PVLBP，將空時(shí)極向局部二值模式特征ST-PVLBP輸入給支持向量機(jī)SVM分類器進(jìn)行分類。其具體步驟包括如下:
[0008](I)輸入極光圖像序列，將極光圖像序列進(jìn)行逆時(shí)針旋轉(zhuǎn)62.63°的預(yù)處理，得到預(yù)處理后的極光圖像序列；
[0009](2)對(duì)預(yù)處理后的極光圖像序列進(jìn)行M次塊數(shù)不同的分塊，即在空間上將預(yù)處理后的極光圖像序列平均分成2"1-1個(gè)三維豎塊，記為Bi"1，其中m=l，2，…，M，M為大于等于I的正整數(shù)，i是每次分塊得到的三維豎塊的標(biāo)號(hào)，i=l, 2，…，2"1-1 ；
[0010](3)使用極向局部二值模式PVLBP算法，提取每一個(gè)三維豎塊B1-的極向局部二值模式特征PVLBP，記為PVLBP1-；
[0011](4)將各個(gè)三維豎塊B1-的極向局部二值模式特征PVLBP1-順次連接，得到空時(shí)極向局部二值模式特征ST-PVLBP ；
[0012](5)將圖庫中標(biāo)準(zhǔn)類型極光圖像序列的空時(shí)極向局部二值模式特征ST-PVLBP輸入給支持向量機(jī)SVM分類器進(jìn)行訓(xùn)練；
[0013](6)將步驟(4)所得的極光圖像序列的空時(shí)極向局部二值模式特征ST-PVLBP輸入給步驟(5)訓(xùn)練后的支持向量機(jī)SVM分類器進(jìn)行分類，得到最終的分類結(jié)果。
[0014]本發(fā)明與現(xiàn)有的技術(shù)相比具有以下優(yōu)點(diǎn): [0015]1.本發(fā)明針對(duì)極光圖像序列的運(yùn)動(dòng)特性,在Volume Local Binary Patterns的基礎(chǔ)上提出了空時(shí)極向局部二值模式ST-PVLBP，有效減少數(shù)據(jù)冗余，更具針對(duì)性；
[0016]2.本發(fā)明有效結(jié)合序列幀間連續(xù)性信息和單幀空間位置信息，提高分類精度；
[0017]3.與現(xiàn)有技術(shù)相比，本發(fā)明計(jì)算復(fù)雜度低，有效節(jié)約機(jī)器內(nèi)存，提高處理速度。
【專利附圖】

【附圖說明】
[0018]圖1是本發(fā)明的實(shí)現(xiàn)總流程圖；
[0019]圖2是本發(fā)明提取極向局部二值模式特征PVLBP的子流程圖；
[0020]圖3是本發(fā)明的提取空時(shí)極向局部二值模式特征ST-PVLBP的子流程圖。
【具體實(shí)施方式】
[0021]參照?qǐng)D1，本發(fā)明的具體實(shí)現(xiàn)步驟如下:
[0022]步驟1，對(duì)輸入極光圖像序列進(jìn)行逆時(shí)針旋轉(zhuǎn)62.63°的預(yù)處理，得到預(yù)處理后的極光圖像序列。
[0023]由于極光圖像中的南北方向與實(shí)際地磁南北方向存在62.63°的偏差，故需要對(duì)輸入的極光圖像序列進(jìn)行逆時(shí)針旋轉(zhuǎn)62.63°的預(yù)處理，即將極光圖像中的南北方向與實(shí)際地磁南北方向?qū)R。
[0024]步驟2，對(duì)預(yù)處理后的極光圖像序列進(jìn)行M次塊數(shù)不同的分塊。
[0025](2a)第一次分塊，即將預(yù)處理后的極光圖像序列分為I X I三維豎塊，實(shí)際上就是原始的預(yù)處理后的極光圖像，記為B11 ；
[0026](2b)第二次分塊，即將預(yù)處理后的極光圖像序列平均分成1X2個(gè)三維豎塊，得到的兩個(gè)三維豎塊分別記為B12和B22 ；
[0027](2c)第三次分塊，即將預(yù)處理后的極光圖像序列平均分成1X4個(gè)三維豎塊，得到的四個(gè)三維豎塊分別記為ΒΛ B23, B33和B43 ；
[0028](2d)以此類推，進(jìn)行第m次分塊，即將預(yù)處理后的極光圖像序列平均分成ΙΧ〗"1—1個(gè)三維豎塊，得到的211^1個(gè)三維豎塊中的第i塊記為ΒΛ其中m=l，2，…，M，M為大于等于I的正整數(shù)，i是每次分塊得到的三維豎塊的標(biāo)號(hào)，i=l, 2，…，2"1'
[0029]步驟3，使用極向局部二值模式PVLBP算法，提取每一個(gè)三維豎塊Bi"1的極向局部二值模式特征PVLBP，記為PVLBPi'
[0030]參照?qǐng)D2，本步驟的具體實(shí)現(xiàn)如下:
[0031](3a)對(duì)每一個(gè)三維豎塊ΒΛ以相鄰三幀極光圖像為一個(gè)處理板塊；
[0032](3b)對(duì)每一個(gè)處理板塊，按從左到右、從上到下的順序，取大小為3X1X3的長方體鄰域作為處理單元，對(duì)每個(gè)處理單元，以中間幀的中心像素點(diǎn)c的灰度值作為閾值，將處理單元長方體鄰域的其他像素點(diǎn)灰度值與c的灰度值進(jìn)行對(duì)比，如果鄰域像素的灰度值大于C的灰度值，則該鄰域像素被置1，否則置0，從而將長方體鄰域的所有像素轉(zhuǎn)換為01 二進(jìn)制編碼；
[0033](3c)將步驟(3b)得到的二進(jìn)制編碼轉(zhuǎn)化為一個(gè)十進(jìn)制數(shù)值:
【權(quán)利要求】
1.一種基于空時(shí)極向局部二值模式的極光圖像序列分類方法，包括如下步驟: (1)輸入極光圖像序列，將極光圖像序列進(jìn)行逆時(shí)針旋轉(zhuǎn)62.63°的預(yù)處理，得到預(yù)處理后的極光圖像序列； (2)對(duì)預(yù)處理后的極光圖像序列進(jìn)行M次塊數(shù)不同的分塊，即在空間上將預(yù)處理后的極光圖像序列平均分成2"1-1個(gè)三維豎塊，記為ΒΛ其中m=l，2，…，M，M為大于等于I的正整數(shù)，i是每次分塊得到的三維豎塊的標(biāo)號(hào)，i=l, 2，…，2"1-1 ； (3)使用極向局部二值模式PVLBP算法，提取每一個(gè)三維豎塊Bi"1的極向局部二值模式特征 PVLBP，記為 PVLBP1-； (4)將各個(gè)三維豎塊Bi"1的極向局部二值模式特征PVLBPi"1順次連接，得到空時(shí)極向局部二值模式特征ST-PVLBP ； (5)將圖庫中標(biāo)準(zhǔn)類型極光圖像序列的空時(shí)極向局部二值模式特征ST-PVLBP輸入給支持向量機(jī)SVM分類器進(jìn)行訓(xùn)練； (6)將步驟(4)所得的極光圖像序列的空時(shí)極向局部二值模式特征ST-PVLBP輸入給步驟(5)訓(xùn)練后的支持向量機(jī)SVM分類器進(jìn)行分類，得到最終的分類結(jié)果。
2.根據(jù)權(quán)利要求書I所述的基于空時(shí)極向局部二值模式的極光序列分類方法，其中步驟(3)所述的使用極向 局部二值模式PVLBP算法，提取每一個(gè)三維豎塊Bi"1的極向局部二值模式特征PVLBP，按如下步驟進(jìn)行: (2a)對(duì)每一個(gè)三維豎塊Bi111,以相鄰三幀極光圖像為一個(gè)處理板塊； (2b)對(duì)每一個(gè)處理板塊，按從左到右、從上到下的順序，取大小為3X1X3的長方體鄰域作為處理單元，對(duì)每個(gè)處理單元，以中間幀的中心像素點(diǎn)c的灰度值作為閾值，將處理單元長方體鄰域的其他像素點(diǎn)灰度值與c的灰度值進(jìn)行對(duì)比，如果鄰域像素的灰度值大于c的灰度值，則該鄰域像素被置1，否則置O，從而將長方體鄰域的所有像素轉(zhuǎn)換為Ol 二進(jìn)制編碼； (2c)將步驟(2b)得到的二進(jìn)制編碼轉(zhuǎn)化為一個(gè)十進(jìn)制數(shù)值:

3P+1
PVLBPl = Yj V1V
_ ， 其中，PVLBP。表示中間幀的中心像素點(diǎn)c的PVLBP十進(jìn)制數(shù)值，Vq表示鄰域像素點(diǎn)的灰度值與中間幀的中心像素點(diǎn)c的灰度值對(duì)比后的結(jié)果，即O或者1，q是長方體鄰域的像素點(diǎn)的編號(hào)，2^是二進(jìn)制編碼的每個(gè)01碼的權(quán)重，P=2 ； (2d)計(jì)算三維豎塊Bi111中除邊界點(diǎn)外的所有像素點(diǎn)的PVLBP十進(jìn)制數(shù)值，并作統(tǒng)計(jì)直方圖，將得到的統(tǒng)計(jì)直方圖作為三維豎塊Bi111的極向局部二值模式特征PVLBPi'
【文檔編號(hào)】G06K9/66GK103971120SQ201410160536
【公開日】2014年8月6日 申請(qǐng)日期:2014年4月18日 優(yōu)先權(quán)日:2014年4月18日
【發(fā)明者】韓冰, 廖謙, 高新波, 仇文亮, 鄧成, 王秀美, 王穎 申請(qǐng)人:西安電子科技大學(xué)