[发明专利]基于球状鲁棒序列局部二值化模式的序列分类方法

说明书

本发明公开了基于球状鲁棒序列局部二值化模式的序列分类方法方法，主要解决现有技术对极光序列分类准确率不高和时间复杂度不够低的问题。其技术方案是：1.选取训练数据序列和测试数据序列；2.求出训练数据序列的球状鲁棒序列局部二值化编码值，统计得到训练数据的特征向量；3.将训练数据序列的特征向量和标签输入到SVM中进行训练得到训练模型；4.求出测试数据序列的球状鲁棒序列局部二值化编码值，统计得到测试数据的特征向量；5.将测试数据序列的特征向量输入到训练好的SVM模型中得到分类结果。本发明提高了极光序列的分类准确率，降低了时间复杂度，可用于计算机对极光序列的自动分类。

技术领域

本发明属于图像处理技术领域，特别涉及一种极光序列分类方法，可用于极光序列特征提取、极光序列时间分类及行星际磁场参数研究。

背景技术

极光是来自磁层的高能粒子沉降到高层大气并与中性成分碰撞激发的一种大气发光现象，是太阳风-磁层-电离层耦合造成的地球高纬活动的重要表现形式之一。人们通过极光形态及其演化的系统观测可以获得磁层和日地空间电磁活动的大量信息，有助于深入研究太阳活动对地球的影响方式与程度，对了解空间天气过程的变化规律具有重要意义。

随着不断深入地研究极光形态特征以及极光光谱学的出现，人们对不同极光的物理特征及其产生机制的研究也越来越关注。早期的极光分类只是单一地依据观察到的极光的各种视觉形式。Simmons于1998年在文章“A classification of auroral types,Journal of the British Astronomical Association,108(5),247-257.”中提出了目前不同类型的极光的分类是根据他们的地球物理的特征以及对每一个类型的大多数典型特征的详细描述是特别的参照了地磁的纬度和地磁的时间扇区和极光产生的机制。根据他提供的分类标准可以帮助研究者从地球物理的方面阐明这些极光的各种类型之间的相似和不同，对极光的不同类型都有了清楚的定义。Hu等人在文章“Synoptic distribution ofdayside aurora:Multiple-wavelength all-sky observation at Yellow RiverStation inSvalbard.Journal of Atmospheric and Solar-TerrestrialPhysics,2009,71(8):794-804.”中根据活动区域将日侧极光分为四类。Wen等人在文章“午后多重极光弧观测研究.极地研究,2005.,17(4):256-263.”中利用南极中山站的全天空摄像机观测到的极光数据对午后多重极光弧的出现率及其对应的KP指数发生规律进行了统计分析，历时175天，找出它们之间的关系。

过去的很多年中，研究者将机器学习、计算机视觉与极光数据的分类、显著性提取等相结合，并且针对极光数据的特殊性采取了不同的特征提取方式，并在此过程中发现局部二值化模式和序列局部二值化模式对极光数据具有极好的表征性。但是已有的局部二值化模式由于没有考虑时间维度和空间维度上的像素点对当前帧贡献率的不同，造成分类准确率不够高和时间复杂度不够低的不足。

发明内容

本发明的目的在于提出一种基于球状鲁棒序列局部二值化模式的序列分类方法，以提高极光序列的分类准确率，降低时间复杂度。

本发明的技术方案是在原有的序列局部二值化模式VLBP的基础上分别对权值分配和像素点选取方式进行改进，以此获得对极光序列具有更强表征性的特征，进而提高极光序列的分类效果，其实现步骤包括如下：

(1)根据极光形态特征手动从全天空极光数据中选取三种极光数据，即弧状极光数据，辐射状极光数据，帷幔状极光数据，每种数据中的序列长度为15帧到50帧之间，从每类数据中分别随机选取N段序列作为训练数据，其余的作为测试数据，N＝100；

(2)计算训练数据序列的球状鲁棒序列局部二值化编码值V：