用于监测极光活动的变化轨迹的生成方法
【专利摘要】本发明公开了一种用于监测极光活动的变化轨迹的生成方法，提出一种基于极光流体特性和多尺度运动特点的全天空极光图像运动场的提取方法，本方法能够根据当前数据的分辨率和极光活动的性质自适应的选择正则化策略，然后基于提取出的运动场实现对极光视频表征，进一步度量极光视频序列之间的差异用以监测极光活动的变化。基于运动场的表征方法有效体现了极光丰富的二维形态特征和运动模式，生成的变化轨迹进而能够准确地定位极光发生突变的位置，为空间物理的研究提供新的手段。
【专利说明】用于监测极光活动的变化轨迹的生成方法
【技术领域】
[0001]本发明属于模式识别与智能处理【技术领域】，涉及视频的运动场提取和动态纹理表征，可用于监测极光活动的变化和估计极光的活动周期，特别涉及一种用于监测极光活动的变化轨迹的生成方法。
【背景技术】
[0002]极光是人们唯一能够用肉眼直接观测到的具有极区特征的地球物理现象，是极区日地物理过程(特别是磁层-电离层相互作用)的最集中的表现形式。目前，获取极光数据有多种方式，包括全天空成像设备、极光雷达系统、磁强计阵列、宇宙噪声测量器阵列以及子午线扫描光度计阵列等。而本项目采用的全天空极光数据的优势在于可以获得二维的形态信息，实现对极光活动的连续观测。
[0003]针对流体的特性，在2002年，Corpetti等人在文献“Corpetti, T.，M6min, E.，
,Perez, P.Dense estimation of fluid flows.1EEE Transactions on Pattern Analysisand Machine Intelligence，24(3):365-380，2002.”中，引入了流体动力学中的连续方程作为构成数据约束的基础，结合二阶散度-旋度正则化方法提取出了大气图像的运动场。事实上，极光是由太阳风和地球磁场相互作用产生的，期间产生并释放出高达IO6MW的能量，这些能量通过电流沿着电场线流进地球高层大气。这些高能带电粒子在电场线的作用下运动，期间释放的光子数通量越高，图像的亮度越高，所以极光具有流体的性质。因此，估计极光运动时，数据约束方程可以基于连续方程。但是，在正则化方法方面，Corpetti等人的方法采用了单一的二阶散度-旋度正则化因子，不能满足极光运动多尺度的特点。
[0004]因为一阶平滑正则化因子
【权利要求】
1.一种用于监测极光活动的变化轨迹的生成方法，步骤如下: 步骤1:输入一段极光视频，并对每一帧原始极光视频图像进行预处理，原始全天空极光图像的大小为512X512，像素亮度的动态范围为[O，18000]。原始全天空极光图像的预处理过程依次分为五个步骤:(I)减去暗电流；(2)去边缘噪声；(3)灰度拉伸；(4)图像旋转；(5)图像剪裁。经过预处理的图像大小为440X440，灰度动态范围为[0，4000]，得到的图像序列构成全天空极光视频序列Sa = {I (X，t)，X G Q，t = 1，2，…，T},其中Q表示全天空极光图像的圆形掩模区域，T表示极光视频序列的长度，X表示像素的空间位置，t表示时间； 步骤2:构建塔形分解层决策训练集，对塔形分解层决策训练集中的每一幅图像I建立六层高斯塔形分解，得到Itl,…，I5，其中Itl为原始尺度的图像，1= I，I1为进行一层高斯塔形分解的图像，I2为进行二层高斯塔形分解的图像，I3为进行三层高斯塔形分解的图像，I4为进行四层高斯塔形分解的图像，I5为进行五层高斯塔形分解的图像； 步骤3:利用极光图像的平均亮度和占空比这两个特征函数判断高斯金字塔分解层是否保留极光的基本信息，特征函数的拐点为发展趋势开始发生改变的位置，通过寻找两个特征函数的拐点得到塔形分解的最优层数1_ ； 步骤4:根据一阶平滑正则化因子和二阶散度-旋度正则化因子的特点，构造一个新的指标正则化散度差Dms来判断各高斯分解层运动的性质，从而自适应的选择正则化方案； 步骤5:从全天空极光数据库中随机选取500幅图像构建正则化方案决策阈值训练集，对训练集中的图像构造不同尺度和不同方向的平移运动和旋转运动，分别求平移运动和旋转运动的正则化散度差Dreg，对正则化方案决策阈值训练集的Dms进行训练，得到正则化方案的决策阈值Z ; 步骤6:对于一段待监测极光视频序列Sa，建立O-1tjpt层塔形分解层，凡满足DMg (i) >Z的塔形分解层，选择二阶散度-旋度正则化因子；满足DMg(i) ( Z的塔形分解层，选择一阶平滑正则化因子。在各分解层上，利用基于连续方程的数据约束，并结合自适应选择的正则化因子，求得运动向量场序列V= {v(x, t), X G Q ,t = I, 2, --?, T-l}, v(x, t)表示位于空间坐标X和时间坐标t的运动向量； 步骤7:为了监测极光活动的变化，将窗宽为2tw的时间滑窗从视频起始位置滑向结束位置，每次滑动的步长为一帧，将第t次滑窗内的极光运动向量场序列分为前tw帧和后tw帧子序列，提取这两段序列基于局部向量差的时空统计特征fpM(t)和fp()St(t)； 步骤8:度量当前滑窗内的前后极光视频序列的差异，导出fpM(t)和fp()St(t)的ch1-square统计距离,将值赋给变化轨迹在t时刻的值:
dchg (t) = X 2 (fpre (t), fpost(t)) ch1-square统计距离定义为:
2.根据权利要求1所述的用于监测极光活动的变化轨迹的计算方法，其中步骤4所述的根据一阶平滑正则化因子和二阶散度-旋度正则化因子的特点，本发明构造一个新的指标:正则化散度差Dreg，按如下公式进行:
Dreg = I ave (div (V1)) -ave (div (V2)) 对于同一运动，V1是采用基于一阶平滑正则化因子的运动场估计方法得到的运动场，V2是采用基于二阶散度-旋度正则化因子的运动场估计方法得到的运动场，avefi (div)表示计算圆形掩模区域Q内的平均散度。
3.根据权利要求1所述的用于监测极光活动的变化轨迹的计算方法，其中步骤5所述的对正则化方案决策阈值训练集的Dreg进行训练，得到正则化方案的决策阈值Z，按如下步骤进行: (3a)从全天空极光数据库中随机选取500幅全天空图像构成正则化方案决策阈值训练集，对正则化方案决策阈值训练集中的每一幅图像构造不同尺度和方向的平移运动Ms (i)，以及不同尺度和方向的旋转运动Mk (i)。 (3b)称用基于连续方程的数据约束联合一阶平滑正则化因子的运动场估计方法为fluid-1，以及称基于连续方程的数据约束联合二阶散度-旋度正则化因子的运动场估计方法为fluid-2。分别利用fluid-l和fluid-2估计这两组已知运动，平移运动利用fluid-l和fluid-2方法得到的运动场记为Fs1和 <，以及旋转运动利用fluid-1和fiuid-2方法得到的运动场记为vim Vl O (3c)计算平移运动的正则化散度差
【文档编号】G06K9/62GK103617425SQ201310670356
【公开日】2014年3月5日 申请日期:2013年12月11日 优先权日:2013年12月11日
【发明者】王倩, 杨惠根, 胡红桥, 胡泽骏 申请人:西安邮电大学