用于監測極光活動的變化軌跡的生成方法技術

本發明專利技術公開了一種用于監測極光活動的變化軌跡的生成方法，提出一種基于極光流體特性和多尺度運動特點的全天空極光圖像運動場的提取方法，本方法能夠根據當前數據的分辨率和極光活動的性質自適應的選擇正則化策略，然后基于提取出的運動場實現對極光視頻表征，進一步度量極光視頻序列之間的差異用以監測極光活動的變化?；谶\動場的表征方法有效體現了極光豐富的二維形態特征和運動模式，生成的變化軌跡進而能夠準確地定位極光發生突變的位置，為空間物理的研究提供新的手段。

【技術實現步驟摘要】

本專利技術屬于模式識別與智能處理
，涉及視頻的運動場提取和動態紋理表征，可用于監測極光活動的變化和估計極光的活動周期，特別涉及一種。
技術介紹
極光是人們唯一能夠用肉眼直接觀測到的具有極區特征的地球物理現象，是極區日地物理過程(特別是磁層-電離層相互作用)的最集中的表現形式。目前，獲取極光數據有多種方式，包括全天空成像設備、極光雷達系統、磁強計陣列、宇宙噪聲測量器陣列以及子午線掃描光度計陣列等。而本項目采用的全天空極光數據的優勢在于可以獲得二維的形態信息，實現對極光活動的連續觀測。針對流體的特性，在2002年，Corpetti等人在文獻“Corpetti, T.，M6min, E.，,Perez, P.Dense estimation of fluid flows.1EEE Transactions on Pattern Analysisand Machine Intelligence，24(3):365-380，2002.”中，引入了流體動力學中的連續方程作為構成數據約束的基礎，結合二階散度-旋度正則化方法提取出了大氣圖像的運動場。事實上，極光是由太陽風和地球磁場相互作用產生的，期間產生并釋放出高達IO6MW的能量，這些能量通過電流沿著電場線流進地球高層大氣。這些高能帶電粒子在電場線的作用下運動，期間釋放的光子數通量越高，圖像的亮度越高，所以極光具有流體的性質。因此，估計極光運動時，數據約束方程可以基于連續方程。但是，在正則化方法方面，Corpetti等人的方法采用了單一的二階散度-旋度正則化因子，不能滿足極光運動多尺度的特點。因為一階平滑正則化因子

【技術保護點】
一種用于監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處理，原始全天空極光圖像的大小為512×512，像素亮度的動態范圍為[0,18000]。原始全天空極光圖像的預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；（5）圖像剪裁。經過預處理的圖像大小為440×440，灰度動態范圍為[0,4000]，得到的圖像序列構成全天空極光視頻序列Sa＝{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：構建塔形分解層決策訓練集，對塔形分解層決策訓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，特征函數的拐點為發展趨勢開始發生改變的位置，通過尋找兩個特征函數的拐點得到塔形分解的最優層數lopt；步驟4：根據一階平滑正則化因子和二階散度?旋度正則化因子的特點，構造一個新的指標正則化散度差Dreg來判斷各高斯分解層運動 的性質，從而自適應的選擇正則化方案；步驟5：從全天空極光數據庫中隨機選取500幅圖像構建正則化方案決策閾值訓練集，對訓練集中的圖像構造不同尺度和不同方向的平移運動和旋轉運動，分別求平移運動和旋轉運動的正則化散度差Dreg，對正則化方案決策閾值訓練集的Dreg進行訓練，得到正則化方案的決策閾值Z；步驟6：對于一段待監測極光視頻序列Sa，建立0?lopt層塔形分解層，凡滿足Dreg(i)＞Z的塔形分解層，選擇二階散度?旋度正則化因子；滿足Dreg(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，利用基于連續方程的數據約束，并結合自適應選擇的正則化因子，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x和時間坐標t的運動向量；步驟7：為了監測極光活動的變化，將窗寬為2tw的時間滑窗從視頻起始位置滑向結束位置，每次滑動的步長為一幀，將第t次滑窗內的極光運動向量場序列分為前tw幀和后tw幀子序列，提取這兩段序列基于局部向量差的時空統計特征fpre(t)和fpost(t)；步驟8：度量當前滑窗內的前后極光視頻序列的差異，導出fpre(t)和fpost(t)的chi?square統計距離，將值賦給變化軌跡在t時刻的值:dchg(t)=χ2（fpre(t)，fpost(t)）chi?square統計距離定義為：χ2(p,q)=Σi(pi-qi)2pi+qi,其中，i表示兩個向量p和q的索引，dchg(t)反映了極光活動在t時刻的 變化情況。...

【技術特征摘要】
1.一種用于監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處理，原始全天空極光圖像的大小為512X512，像素亮度的動態范圍為[O，18000]。原始全天空極光圖像的預處理過程依次分為五個步驟:(I)減去暗電流；(2)去邊緣噪聲；(3)灰度拉伸；(4)圖像旋轉；(5)圖像剪裁。經過預處理的圖像大小為440X440，灰度動態范圍為[0，4000]，得到的圖像序列構成全天空極光視頻序列Sa = {I (X，t)，X G Q，t = 1，2，…，T},其中Q表示全天空極光圖像的圓形掩模區域，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:構建塔形分解層決策訓練集，對塔形分解層決策訓練集中的每一幅圖像I建立六層高斯塔形分解，得到Itl,…，I5，其中Itl為原始尺度的圖像，1= 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，特征函數的拐點為發展趨勢開始發生改變的位置，通過尋找兩個特征函數的拐點得到塔形分解的最優層數1_ ； 步驟4:根據一階平滑正則化因子和二階散度-旋度正則化因子的特點，構造一個新的指標正則化散度差Dms來判斷各高斯分解層運動的性質，從而自適應的選擇正則化方案； 步驟5:從全天空極光數據庫中隨機選取500幅圖像構建正則化方案決策閾值訓練集，對訓練集中的圖像構造不同尺度和不同方向的平移運動和旋轉運動，分別求平移運動和旋轉運動的正則化散度差Dreg，對正則化方案決策閾值訓練集的Dms進行訓練，得到正則化方案的決策閾值Z ; 步驟6:對于一段待監測極光視頻序列Sa，建立O-1tjpt層塔形分解層，凡滿足DMg (i) >Z的塔形分解層，選擇二階散度-旋度正則化因子；滿足DMg(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，利用基于連續方程的數據約束，并結合自適應選擇的正則化因子，求得運動向量場序列V= {v(x, t), X G Q ,t ...

【專利技術屬性】
技術研發人員：王倩，楊惠根，胡紅橋，胡澤駿，
申請(專利權)人：西安郵電大學，
類型：發明
國別省市：