【技术实现步骤摘要】
一种基于无监督深度光流网络的极光运动表征方法
本专利技术属于视频分析
，更进一步涉及极光运动的表征方法，可用于从复杂的极光观测视频中进行极光事件识别与检测。
技术介绍
极光是一种发生在地球南北极高空缤纷绚丽的地球物理现象，它是太阳风携带的高能带电粒子随着磁力线运动到地球南北极上空，与高层大气中的粒子相互碰撞而激发的发光现象，是研究太阳风暴的最佳窗口。目前，极光的观测手段有很多，如光学成像观测、雷达观测和磁力计观测等。其中以全天空成像仪为代表的光学观测时空分辨率高，其获取的极光观测视频记录着极光的二维形态结构随时间的演化规律。早期关于极光运动的研究“J.Kimball,T.J.Hallinan.Observationsofblackauroralpatchesandoftheirrelationshiptoothertypesofaurora.JournalofGeophysicalResearch,1998,pp.14671-14682.”通过视觉追踪极光某一特定结构或特征来估计极光的运动速度，这样的人工研究方...
【技术保护点】
1.一种基于无监督深度光流网络的极光运动表征方法，其特征在于，包括以下步骤：/n步骤1：提取极光观测视频中的每一帧原始极光图像，对每一帧原始极光图像进行预处理，将预处理后的极光图像按时间排序，得到连续的全天空极光图像序列；/n步骤2：以相邻两幅连续的全天空极光图像I
【技术特征摘要】
1.一种基于无监督深度光流网络的极光运动表征方法，其特征在于，包括以下步骤：
步骤1：提取极光观测视频中的每一帧原始极光图像，对每一帧原始极光图像进行预处理，将预处理后的极光图像按时间排序，得到连续的全天空极光图像序列；
步骤2：以相邻两幅连续的全天空极光图像I1和I2作为输入，通过光流网络输出得到前向光流wf和后向光流wb；
步骤3：利用前向-后向一致性约束，通过前向光流wf和后向光流wb对极光形变结构进行推理，获取前向形变图Of和后向形变图Ob；
步骤4：结合空间变换模块，利用全天空极光图像I2和前向光流wf计算出前向翘曲图像利用全天空极光图像I1和后向光流wb计算出后向翘曲图像I1w；
步骤5：计算全天空极光图像和翘曲图像间的差异，并结合前向形变图Of和后向形变图Ob构造损失函数；
步骤6：根据反向传播训练法原理，通过最小化损失函数，得到优化后的光流网络参数，更新并保存网络参数；
步骤7：向优化后的光流网络中输入任意两幅连续的全天空极光图像，输出即为对应的像素级极光光流场。
2.根据权利要求1所述的一种基于无监督深度光流网络的极光运动表征方法，其特征在于，步骤1中的预处理包括：(1)减去暗电流；(2)去除边缘噪声；(3)灰度拉伸；(4)图像旋转；(5)图像裁剪，预处理后的图像大小为440×440，得到连续的全天空极光图像序列。
3.根据权利要求1所述的一种基于无监督深度光流网络的极光运动表征方法，其特征在于，步骤2的光流网络包含特征金字塔提取网络和光流估计网络，网络前馈过程步骤如下：
2.1)输入两帧连续的全天空极光图像I1和I2，利用相同的特征金字塔提取网络分别提取两幅图像的特征图；特征金字塔提取网络的第1级特征图为输入图像，通道数为3；后面各级的通道数依次为16、32、64、96、128、192，每级由一个2倍下采样层和一个卷积层组成，下采样层和卷积层均使用尺寸为3×3、步长为2的卷积核来实现，并在卷积层后通过leakyRelu函数输出各级特征图；利用所有级的特征图构成7级特征金字塔；
2.2)首先处理特征金字塔的第l＝7级，将第l+1级的上采样光流设置为0，执行步骤2.3)-2.5)；其次当l<7时，将第l+1级的光流通过双线性插值法进行上采样，得到第l+1级的上采样光流，并从l＝6开始，逐级重复执行步骤2.3)-2.5)，直至第l＝1级；最后将特征金字塔第l＝1级的光流图输出作为前向光流wf；
2.3)利用第l+1级的上采样光流，使用双线性插值法将第二幅图像的特征图向第一幅图像的特征图进行翘曲，得到翘曲特征图
2.4)利用第一帧图像第l级的特征图F1l和翘曲特征图构建第l级特征图匹配代价cvl，公式如下：
其中，N表示F1l的列向量长度，T是转置运算符；
2.5)将第l级匹配代价cvl、第一帧图像的第l级特征...
【专利技术属性】
技术研发人员：杨秋菊，向晗，韩鹏，
申请(专利权)人：陕西师范大学，
类型：发明
国别省市：陕西;61
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。