[發明專利]基于粘性流體粒子運動模型的視頻序列分類方法

有效

• 申請號: 201710189229.8
• 申請日: 2017-03-27
• 公開（公告）號: CN106997601B
• 公開（公告）日: 2019-10-11
• 發明（設計）人: 韓冰;嚴月;連慧芳;呂濤;高新波;王云浩
• 申請（專利權）人: 西安電子科技大學;江蘇澤景汽車電子股份有限公司西安分公司
• 主分類號: G06T7/246
• 分類號: G06T7/246
• 代理公司: 陜西電子工業專利中心 61205
• 代理人: 王品華;朱紅星

本發明公開了一種基于粘性流體粒子運動模型的視頻序列分類方法，主要解決現有技術無法利用運動特征對極光序列進行分類的問題。其實現步驟為：1)對輸入的極光序列進行預處理；2)運用粘性流體力學模型計算預處理后的極光粒子的運動場；3)提取極光粒子運動場的局部二值模式特征，作為極光序列的動態特征P₁；4)提取極光序列每幀極光圖像像素值的局部二值模式特征，作為極光序列的靜態特征P₂；5)將P₁與P₂相結合，得到能夠表征不同形態極光序列的特征P＝(P₁,P₂)，將這些不同形態極光序列的特征P輸入到支持向量機分類器中完成分類。本發明能實現對極光序列的自動分類，且分類準確率高、速度快，可用于場景分類與目標識別。

技術領域

本發明屬于圖像處理技術領域，更進一步涉及視頻序列的分類方法，可用于場景分類與目標識別。

背景技術

視頻序列分類是圖像處理和模式識別中非常關鍵的技術之一，它是利用計算機對視頻進行定量分析，根據視頻信息中所反映的不同特征，把不同類別的目標區分開，從而以代替人的視覺判讀。極光是各種磁層動力學過程最為直觀的電離層蹤跡，合理有效的極光分類對研究各類極光現象及其與磁層動力學過程之間的關系尤為重要。

早期的極光分類研究以肉眼觀察為基礎，手工實現標記和分類工作，然而由全天空數字攝像儀所捕獲的極光圖像每年數以百萬計，人工進行分類標記的方式已經不再滿足對大規模數據進行客觀分類的要求。直到2004年在文獻“M.T.,andDonovan E.F.,Diurnal auroral occurrence statistics obtained via machinevision.Annales Geophysicae,22(4):1103-1113,2004.”中才將圖像處理技術引入到極光自動分類。利用極光的紋理特征對弧形，斑塊型和歐米伽型三類極光進行了分類，該方法僅對形狀特征明顯的弧狀極光效果良好，但此方法僅適用于形態較為單一的弧狀極光，不具備很好的泛化能力和圖像表征算法的推廣性。2007年，Wang等人在文獻“Q.Wang,J.M.Liangand X.B.Gao,Appearance based aurora classification.Proc.the 12th Conf.onphysics of Sun-Earth space,71,2007.”中使用主成分分析法PCA對極光視頻序列的灰度特征進行提取，提出了一種基于表象的極光分類方法，在冕狀極光分類研究方向取得了一定進展。2008年，Gao等人在文獻“X.B.Gao,and J.M.Liang.,AdaBoost algorithm fordayside aurora detection based on sample sele-ction.Journal of Image andGraphics,15(1):116-121,2010.”中提出基于Gabor變換的極光分類方法，采用了局部Gabor濾波器提取圖像特征，在確保計算精度的情況下降低了特征冗余信息，取得了較好的分類效果。2010年，Wang在文獻“Wang Y,Gao X.,Fu R.,et al.,Dayside Corona AuroraClassification Based on X-Gray Level Aura Matrices.Proc.ACM Int.Conf.Imageand Video Retrieval,282-287,2010.”中根據極光形態的特點對GLAM的鄰域形狀進行改進，提出了一種基于X-GLAM特征的日側極光分類算法，大大提高了分類準確性，但該方法由于進行較大規模的像素運算，因而較為耗時。后續的相關研究還有：Han等人在文章“BingHan,Xiaojing Zhao,Dacheng Tao,et al.Dayside aurora classification via BIFs-based sparse representation using manifold learning.International Journal ofComputer Mathematics.Published online:12Nov 2013.”中又提出基于生物激發BIFs特征和C均值聚類的極光分類方法，取得了較高的分類準確率。然而上述已有的極光分類方法都是基于極光靜態特征的，對于形態復雜多變的極光序列來說，僅僅考慮其靜態特征是不夠的，因此還需對極光的動態特征進行研究。