[發(fā)明專利]用于監(jiān)測極光活動的變化軌跡的生成方法

有效

• 申請?zhí)枺?/td>: 201310670356.1
• 申請日: 2013-12-11
• 公開（公告）號: CN103617425A
• 公開（公告）日: 2014-03-05
• 發(fā)明（設(shè)計）人: 王倩;楊惠根;胡紅橋;胡澤駿
• 申請（專利權(quán)）人: 西安郵電大學(xué)
• 主分類號: G06K9/54
• 分類號: G06K9/54;G06K9/62
• 代理公司: 西安西達專利代理有限責(zé)任公司 61202
• 代理人: 劉華

1.一種用于監(jiān)測極光活動的變化軌跡的生成方法，步驟如下：

步驟1：輸入一段極光視頻，并對每一幀原始極光視頻圖像進行預(yù)處理，原始全天空極光圖像的大小為512×512，像素亮度的動態(tài)范圍為[0,18000]。原始全天空極光圖像的預(yù)處理過程依次分為五個步驟：（1）減去暗電流；（2）去邊緣噪聲；（3）灰度拉伸；（4）圖像旋轉(zhuǎn)；（5）圖像剪裁。經(jīng)過預(yù)處理的圖像大小為440×440，灰度動態(tài)范圍為[0,4000]，得到的圖像序列構(gòu)成全天空極光視頻序列S_a＝{I(x,t),x∈Ω,t＝1,2,…,T}，其中Ω表示全天空極光圖像的圓形掩模區(qū)域，T表示極光視頻序列的長度，x表示像素的空間位置，t表示時間；

步驟2：構(gòu)建塔形分解層決策訓(xùn)練集，對塔形分解層決策訓(xùn)練集中的每一幅圖像I建立六層高斯塔形分解，得到I₀,…,I₅，其中I₀為原始尺度的圖像，I₀＝I，I₁為進行一層高斯塔形分解的圖像，I₂為進行二層高斯塔形分解的圖像，I₃為進行三層高斯塔形分解的圖像，I₄為進行四層高斯塔形分解的圖像，I₅為進行五層高斯塔形分解的圖像；

步驟3：利用極光圖像的平均亮度和占空比這兩個特征函數(shù)判斷高斯金字塔分解層是否保留極光的基本信息，特征函數(shù)的拐點為發(fā)展趨勢開始發(fā)生改變的位置，通過尋找兩個特征函數(shù)的拐點得到塔形分解的最優(yōu)層數(shù)l_opt；

步驟4：根據(jù)一階平滑正則化因子和二階散度-旋度正則化因子的特點，構(gòu)造一個新的指標(biāo)正則化散度差D_reg來判斷各高斯分解層運動的性質(zhì)，從而自適應(yīng)的選擇正則化方案；

步驟5：從全天空極光數(shù)據(jù)庫中隨機選取500幅圖像構(gòu)建正則化方案決策閾值訓(xùn)練集，對訓(xùn)練集中的圖像構(gòu)造不同尺度和不同方向的平移運動和旋轉(zhuǎn)運動，分別求平移運動和旋轉(zhuǎn)運動的正則化散度差D_reg，對正則化方案決策閾值訓(xùn)練集的D_reg進行訓(xùn)練，得到正則化方案的決策閾值Z；

步驟6：對于一段待監(jiān)測極光視頻序列S_a，建立0-l_opt層塔形分解層，凡滿足D_reg(i)＞Z的塔形分解層，選擇二階散度-旋度正則化因子；滿足D_reg(i)≤Z的塔形分解層，選擇一階平滑正則化因子。在各分解層上，利用基于連續(xù)方程的數(shù)據(jù)約束，并結(jié)合自適應(yīng)選擇的正則化因子，求得運動向量場序列V＝{v(x,t),x∈Ω,t＝1,2,…,T-1}，v(x,t)表示位于空間坐標(biāo)x和時間坐標(biāo)t的運動向量；

步驟7：為了監(jiān)測極光活動的變化，將窗寬為2t_w的時間滑窗從視頻起始位置滑向結(jié)束位置，每次滑動的步長為一幀，將第t次滑窗內(nèi)的極光運動向量場序列分為前t_w幀和后t_w幀子序列，提取這兩段序列基于局部向量差的時空統(tǒng)計特征f_pre(t)和f_post(t)；

步驟8：度量當(dāng)前滑窗內(nèi)的前后極光視頻序列的差異，導(dǎo)出f_pre(t)和f_post(t)的chi-square統(tǒng)計距離，將值賦給變化軌跡在t時刻的值:

d_chg(t)=χ²（f_pre(t)，f_post(t)）

chi-square統(tǒng)計距離定義為：

χ2(p,q)=Σi(pi-qi)2pi+qi,]]>

其中，i表示兩個向量p和q的索引，d_chg(t)反映了極光活動在t時刻的變化情況。