[发明专利]基于空时极向局部二值模式的极光图像序列分类方法

摘要

本发明公开了一种基于空时极向局部二值模式的极光图像序列分类方法，主要解决现有技术分类效率不高的问题。其实现步骤为(1)对极光图像序列进行逆时针旋转62.63°的预处理；(2)对预处理后的极光图像序列进行若干次块数不同的分块；(3)使用极向局部二值模式PVLBP算法，提取每块的极向局部二值模式特征PVLBP，并将各个块的PVLBP特征顺次连接得到空时极向局部二值模式特征ST‑PVLBP；(4)将极光序列的空时极向局部二值模式特征ST‑PVLBP输入给支持向量机SVM分类器进行分类，得到分类结果。本发明在保持高分类精度的同时，缩短了分类时间，提高了分类效率，可用于场景分类与事件检测。

主权项

一种基于空时极向局部二值模式的极光图像序列分类方法，包括如下步骤：(1)输入极光图像序列，将极光图像序列进行逆时针旋转62.63°的预处理，得到预处理后的极光图像序列；(2)对预处理后的极光图像序列进行M次块数不同的分块，即在空间上将预处理后的极光图像序列平均分成2m‑1个三维竖块，记为Bim，其中m＝1,2,…,M，M为大于等于1的正整数，i是每次分块得到的三维竖块的标号，i＝1,2,…,2m‑1；(3)使用极向局部二值模式PVLBP算法，提取每一个三维竖块Bim的极向局部二值模式特征PVLBP，记为PVLBPim；所述的使用极向局部二值模式PVLBP算法，提取每一个三维竖块Bim的极向局部二值模式特征PVLBP，按如下步骤进行：(2a)对每一个三维竖块Bim，以相邻三帧极光图像为一个处理板块；(2b)对每一个处理板块，按从左到右、从上到下的顺序，取大小为3×1×3的长方体邻域作为处理单元，对每个处理单元，以中间帧的中心像素点c的灰度值作为阈值，将处理单元长方体邻域的其他像素点灰度值与c的灰度值进行对比，如果邻域像素的灰度值大于c的灰度值，则该邻域像素被置1，否则置0，从而将长方体邻域的所有像素转换为01二进制编码；(2c)将步骤(2b)得到的二进制编码转化为一个十进制数值：PVLBPc=Σq=03P+1vq2q,]]>其中，PVLBPc表示中间帧的中心像素点c的PVLBP十进制数值，vq表示邻域像素点的灰度值与中间帧的中心像素点c的灰度值对比后的结果，即0或者1，q是长方体邻域的像素点的编号，2q是二进制编码的每个01码的权重，P＝2；(2d)计算三维竖块Bim中除边界点外的所有像素点的PVLBP十进制数值，并作统计直方图，将得到的统计直方图作为三维竖块Bim的极向局部二值模式特征PVLBPim；(4)将各个三维竖块Bim的极向局部二值模式特征PVLBPim顺次连接，得到空时极向局部二值模式特征ST‑PVLBP；(5)将图库中标准类型极光图像序列的空时极向局部二值模式特征ST‑PVLBP输入给支持向量机SVM分类器进行训练；(6)将步骤(4)所得的极光图像序列的空时极向局部二值模式特征ST‑PVLBP输入给步骤(5)训练后的支持向量机SVM分类器进行分类，得到最终的分类结果。