[发明专利]一种基于图像处理的太阳射电爆发自动实时检测方法

权利要求书

1.一种基于图像处理的太阳射电爆发自动实时检测方法，其特征在于，该基于图像处理的太阳射电爆发自动实时检测方法把太阳射电爆发的检测看作是对太阳射电频谱图像的运动目标检测，采用混合高斯模型检测太阳射电频谱的运动区域并对检测出来的爆发区域准确量化；提取爆发强度、爆发带宽和持续时间，包括自动检测太阳射电爆发和太阳射电爆发参数值的提取两部分；自动检测太阳射电爆发包括模型初始化、模型学习、背景模型的参数进行更新、对检测得到的黑白两色的二值图像进行形态学处理并去除部分噪声；太阳射电爆发参数值的提取包括爆发强度提取、爆发带宽和持续时间的提取；

在混合高斯模型中，每一个像素的背景模型用K个高斯分布来描述，即

其中，w_t,i是在t时刻第i个高斯分布的权值，参数K是高斯分布的个数，η是一个高斯概率分布函数，它的均值为μ_t,i，方差为即：

在t时刻，对于当前视频图像帧的每一个像素x_t，当存在一个i，1≤i≤K，满足|x_t-μ_t,i|＜2.5σ_t,i时，该像素被判定为背景，否则为前景；

所述的自动检测太阳射电爆发的具体方法为：

步骤一、模型初始化：对于每个像素点，用太阳射电频谱视频图像序列中的第1帧的像素值建立对应位置的第1个高斯分布，该高斯分布的均值μ_1,1是第1帧的像素值，给定方差σ_1,1＝0和权值w_1,1＝0；

步骤二、模型学习：已经为背景模型的每一个像素建立K个高斯分布，表示K种宁静太阳时的太阳射电频谱图像的像素值，读入太阳射电频谱视频的第t帧图像的像素x_t，将该帧图像的每个像素与对应位置上已建立的第i个高斯分布相比较1≤i≤K，判定是背景还是前景像素：

|x_t-μ_t,i|＜2.5σ_t,i步骤三、在模型的学习过程中，对混合高斯背景模型的参数进行更新；

步骤四、对检测得到的黑白两色的二值图像B_t进行形态学处理，去除部分噪声：

B_t＝Close(Open(B_t,Mask),Mask)

其中Open(A,B)表示用掩膜B对A做形态学开操作，Close(A,B)表示用掩膜B对A做形态学闭操作，掩膜

步骤二中模型学习的具体方法为：

当存在一个i，1≤i≤K，满足式|x_t-μ_t,i|＜2.5σ_t,i，则表明该像素在第t帧图像与第i个高斯分布相匹配，该像素标识为黑色，则该像素为背景像素，表示t时刻在对应频率没有发生射电爆发；

对于每一个像素，如果对于所有i，1≤i≤K，式|x_t-μ_t,i|＜2.5σ_t,i都不满足时，则该像素为前景像素，该像素标识为白色，表示t时刻在该频率发生了太阳射电爆发，分为两种情况：

如果这时i<K，也就是当前的高斯分布还不够，把这个像素看成是背景像素，按照模型初始化的方法，在该像素的背景模型中增加一个高斯分布，也就是新增加的高斯分布的均值μ_t,i为第t帧该像素的值，并设置方差σ_t,i＝0和权值w_t,i＝0；

如果i>K，则按照模型初始化的方法，生成一个新的高斯分布，这个新的高斯分布中均值μ_t,K为第t帧该像素的值，并设置方差σ_t,K＝0和权值w_t,K＝0，用新生成的这个高斯分布以替换已有高斯模型中权值最低者，也就是替换第K个模式；

混合高斯背景模型参数的更新的处理方法如下：

μ_t,i＝(1-β)μ_t-1,i+βx_tw_t,i＝(1-α)w_t-1,i+α

其中β为均值和方差更新率，α为权值更新率；

对于不匹配的高斯分布，应按照下式减小权值：

w_t,i＝(1-α)w_t-1,i在对混合高斯背景模型参数进行更新后，由于权值w_t,i有变化，所以要对w_t,i归一化，使得并且，对K个模式重新排序，使归一化之后的w_t,i按照降序排列。