基于动态纹理模型表征的极光视频分类方法

    公开(公告)号:CN104992186B

    公开(公告)日:2018-04-17

    申请号:CN201510412383.8

    申请日:2015-07-14

    Abstract: 本发明公开了基于动态纹理模型的极光视频分类方法。其技术方案是利用极光视频帧之间的重复相关性,从极光视频帧之间的动态变化特性入手,对四类形态极光视频进行普适性建模并提取特征,对极光视频进行分类。实现步骤是:(1)获取训练极光视频和测试极光视频;(2)提取测试极光视频的动态纹理特征;(3)提取测试极光视频的状态转移矩阵;(4)求测试极光视频到训练集样本的马丁距离;(5)根据极光视频间的马丁距离,对测试极光视频进行最近距离分类。本发明能实现对四类极光视频的计算机自动分类,且具有分类准确率高的优点。可用于极光视频的特征提取和计算机图像识别。

    基于深度学习二维主成分分析网络的极光图像检测方法

    公开(公告)号:CN105095864A

    公开(公告)日:2015-11-25

    申请号:CN201510418703.0

    申请日:2015-07-16

    CPC classification number: G06K9/0063 G06K9/6232 G06K9/6269

    Abstract: 本发明公开了一种基于深度学习二维主成分分析的极光图像检测方法,主要解决现有技术对极光图像信息提取不充分的问题。其实现步骤为:(1)利用二维主成分分析法提取一阶特征向量并产生一阶滤波器矩阵,得到一阶全局特征;(2)对一阶全局特征提取其二阶特征向量,同时产生二阶滤波器矩阵,得到二阶全局特征;(3)对二阶全局特征进行分块直方图统计,提取出分块直方图特征;(4)用支持向量机分类器对分块直方图特征进行分类,得到分类结果。本发明实现了对现有三类极光图像的计算机自动检测,且具有分类准确率高的优点,可用于极光图像的特征提取和计算机图像检测。

    遥感图像变化检测方法
    4.
    发明授权

    公开(公告)号:CN104182985B

    公开(公告)日:2017-02-01

    申请号:CN201410441207.2

    申请日:2014-09-01

    Abstract: 本发明公开了一种遥感图像变化检测方法,其实现步骤为:(1)输入变化前后的遥感图像;色通道图像;(4)判断彩色遥感图像是否有雾;(5)对有雾彩色遥感图像进行去雾;(6)分割图像;(7)分类识别;(8)变化检测。本发明既可以较好地处理受雾霾影响的遥感图像,又可以分别得到不同类型地物的变化检测图像,具有较广泛的适用范围和较高的检测精度,可应用于地震前后地物变化监测、农作物生长状态的动态监测的技术领域。(2)判断输入图像是否为彩色图像;(3)构造暗原

    基于序列环扇形分块的弧状极光序列检测方法

    公开(公告)号:CN104463226A

    公开(公告)日:2015-03-25

    申请号:CN201410820185.0

    申请日:2014-12-25

    CPC classification number: G06K9/6218 G06K9/6268

    Abstract: 本发明公开了一种基于序列环扇形分块局部方向模式SRLDP的弧状极光序列检测方法,主要解决现有技术忽略极光图像时间域信息检测不准确的问题。其实现步骤为:(1)利用序列局部方向模式编码方法提取极光序列局部方向模式特征,得到极光序列局部方向模式图;(2)将序列局部方向模式图分为环扇形块,统计每个环扇形块的像素点画出其直方图;(3)将一个序列的环扇形块的直方图转化为一个局部向量并串接,对所有序列重复操作,将串接后的局部向量作为极光序列局部方向模式特征矩阵的行向量;(4)利用自动调节谱聚类方法对极光序列局部方向模式特征矩阵进行聚类,得到分类结果。本发明提高了对弧状极光序列分类的准确率,可用于事件检测。

    遥感图像变化检测方法
    6.
    发明公开

    公开(公告)号:CN104182985A

    公开(公告)日:2014-12-03

    申请号:CN201410441207.2

    申请日:2014-09-01

    Abstract: 本发明公开了一种遥感图像变化检测方法,其实现步骤为:(1)输入变化前后的遥感图像;(2)判断输入图像是否为彩色图像;(3)构造暗原色通道图像;(4)判断彩色遥感图像是否有雾;(5)对有雾彩色遥感图像进行去雾;(6)分割图像;(7)分类识别;(8)变化检测。本发明既可以较好地处理受雾霾影响的遥感图像,又可以分别得到不同类型地物的变化检测图像,具有较广泛的适用范围和较高的检测精度,可应用于地震前后地物变化监测、农作物生长状态的动态监测的技术领域。

    基于深度学习二维主成分分析网络的极光图像检测方法

    公开(公告)号:CN105095864B

    公开(公告)日:2018-04-17

    申请号:CN201510418703.0

    申请日:2015-07-16

    Abstract: 本发明公开了一种基于深度学习二维主成分分析的极光图像检测方法,主要解决现有技术对极光图像信息提取不充分的问题。其实现步骤为:(1)利用二维主成分分析法提取一阶特征向量并产生一阶滤波器矩阵,得到一阶全局特征;(2)对一阶全局特征提取其二阶特征向量,同时产生二阶滤波器矩阵,得到二阶全局特征;(3)对二阶全局特征进行分块直方图统计,提取出分块直方图特征;(4)用支持向量机分类器对分块直方图特征进行分类,得到分类结果。本发明实现了对现有三类极光图像的计算机自动检测,且具有分类准确率高的优点,可用于极光图像的特征提取和计算机图像检测。

    基于动态纹理模型表征的极光视频分类方法

    公开(公告)号:CN104992186A

    公开(公告)日:2015-10-21

    申请号:CN201510412383.8

    申请日:2015-07-14

    CPC classification number: G06K9/6271

    Abstract: 本发明公开了基于动态纹理模型的极光视频分类方法。其技术方案是利用极光视频帧之间的重复相关性,从极光视频帧之间的动态变化特性入手,对四类形态极光视频进行普适性建模并提取特征,对极光视频进行分类。实现步骤是:(1)获取训练极光视频和测试极光视频;(2)提取测试极光视频的动态纹理特征;(3)提取测试极光视频的状态转移矩阵;(4)求测试极光视频到训练集样本的马丁距离;(5)根据极光视频间的马丁距离,对测试极光视频进行最近距离分类。本发明能实现对四类极光视频的计算机自动分类,且具有分类准确率高的优点。可用于极光视频的特征提取和计算机图像识别。

    基于梯度方向直方图特征和分块亮度的弧状极光检测方法

    公开(公告)号:CN104392235A

    公开(公告)日:2015-03-04

    申请号:CN201410751842.0

    申请日:2014-12-09

    CPC classification number: G06K9/4647

    Abstract: 本发明公开了基于梯度方向直方图特征和分块亮度的弧状极光检测方法,主要解决现有技术不能直接检测弧状极光发生的缺陷。其技术方案有两种:一是利用分块亮度对极光图像进行弧状极光数目统计,其步骤是:1.将极光图像分成8个扇形区域,求每个扇形区域的亮度均值,判断极光图像为弧状极光;2.统计各个时间段内的弧状极光发生数目。二是利用梯度方向直方图特征的均值进行弧状极光检测,其步骤是:1)提取极光图像的梯度方向直方图特征组成特征向量;2)利用求得的极光图像的特征向量均值判断极光图像为弧状极光。本发明能较好地检测出弧状极光的发生,可用于从物理参数的角度去描述和研究弧状极光发生时其行星际磁场三分量的变化特点。

Patent Agency Ranking