基于生物激发特征和流形学习的极光图像分类方法技术

本发明专利技术公开了一种基于生物激发特征和流形学习的极光图像分类方法。其实现步骤为：（1）对输入的极光图像进行边缘去噪的预处理；（2）使用多尺度，多方向的Gabor滤波器组对预处理后的极光图像进行Gabor滤波，得到C1层特征图，取每幅特征图的像素灰度值之和作为极光图像的C1特征；（3）提取极光图像的Gist特征；（4）将C1特征和Gist特征融合，得到极光图像的BIFs特征；（5）对BIFs特征进行模糊c均值聚类后，利用流形学习算法DLA进行降维，得到BIFs在低维空间的表示；（6）利用支持向量基分类器SVM和最近邻分类器NN分别实现对极光图像的分类。本发明专利技术能很好的模拟人脑视皮层的识别过程，减少了数据冗余，提高了分类正确率，可用于场景分类与目标识别。

【技术实现步骤摘要】

本专利技术属于图像处理
，更进一步涉及极光图像的分类方法，可用于场景分类与目标识别。
技术介绍
图像分类是图像处理和模式识别中非常关键的技术之一，它是利用计算机对图像进行定量分析，根据图像信息中所反映的不同特征，把不同类别的目标区分开，从而以代替人的视觉判读。极光是各种磁层动力学过程最为直观的电离层踪迹，合理有效的极光分类对研究各类极光现象及其与磁层动力学过程之间的关系尤为重要。早期的极光分类研究以肉眼观察为基础，手工实现标记和分类工作，然而由全天空数字摄像仪所捕获的极光图像每年数以百万计，人工进行分类标记的方式已经不再满足对大规模数据进行客观分类的要求。直到2004年Syrjasuo在文献“Syrjasuo M. T.，andDonovanE.F. , Diurnal auroral occurrence statistics obtained via machine vision.Annales Geophysicae, 22 (4) : 1103—1113，2004. ”中才将图像处理技术引入到极光图像自动分类。利用极光图像的纹理特征对弧形，斑块型和欧米伽型三类极光图形本文档来自技高网...

【技术保护点】
一种基于生物激发特征和流形学习的极光图像分类方法，包括如下步骤：（1）输入极光图像，并采用掩膜处理方法对输入的极光图像进行边缘去噪的预处理；（2）利用HMAX模型，提取极光图像的C1特征：2a）构造16个尺度，每个尺度设有4个方向的Gabor滤波器组，用这些滤波器对预处理后的极光图像进行Gabor滤波，得到极光图像的S1层特征图；2b）对S1层特征图采样并使用最大值操作，得到极光图像的C1层特征图；2c）计算每幅C1层特征图的像素灰度值之和，得到极光图像的C1特征；（3）提取极光图像的Gist特征：3a）利用去除颜色通道的Itti显著图模型，得到预处理后极光图像的显著图；3b）将得到的显著图均...

【技术特征摘要】
1.一种基于生物激发特征和流形学习的极光图像分类方法，包括如下步骤(1)输入极光图像，并采用掩膜处理方法对输入的极光图像进行边缘去噪的预处理；(2)利用HMAX模型，提取极光图像的Cl特征2a)构造16个尺度，每个尺度设有4个方向的Gabor滤波器组，用这些滤波器对预处理后的极光图像进行Gabor滤波，得到极光图像的SI层特征图；2b)对SI层特征图采样并使用最大值操作，得到极光图像的Cl层特征图；2c)计算每幅Cl层特征图的像素灰度值之和，得到极光图像的Cl特征；(3)提取极光图像的Gist特征3a)利用去除颜色通道的Itti显著图模型，得到预处理后极光图像的显著图；3b)将得到的显著图均分为8*8的子块，对每一子块的像素灰度值求平均，按从左至右，从上至下的顺序将子块的像素均值写成向量形式，得到64维的Gist特征；(4)将Cl特征和Gist特征进行融合，得到极光图像的BIFs特征；(5)将极光图像的BIFs特征进行低维空间的表示5a)对极光图像的BIFs特征进行模糊c均值聚类，得到极光图像模糊划分后的类标； 5b)将模糊划分后的类标作为流形学习算法DLA中样本的初始类标，利用流形学习算法DLA，得到线性变换矩阵；5c)根据线性变换矩阵，对极光图像的BIFs特征进行降维，得到极光图像BIFs特征在低维空间的表示其中，YNXd为极光图像特征BIFs在低维空间的表示，N为极光图像的样本总数，d为降维后BIFs特征的维数，Xnxdi为未降维时极光图像的BIFs特征，m为未降维时BIFs特征的维数，T为求矩阵转置的运算符号，Umxd为DLA算法得到的线性变换矩阵；(6)根据上述极光图像BIFs特征在低维空间的表示，利用支持向量基分类器SVM和最近邻分类器NN分别实现对极光图像的分类。2.根据权利要求1所述的极光图像分类方法，其中步骤(I)所述的采用掩膜处理方法对输入的极光图像进行边缘去噪的预处理，按如下步骤进行(Ia)构造一幅与极光图像大小相同的二值图像P，以二值图像的中心为圆心，以220为半径作圆，该圆内的像素取值为1，圆外的像素取值为O ;(Ib)根据构造的二值图像P，对输入的极光图像进行掩膜处理，利用下式得到预处理后的极光图像其中I为预处理后的极光图像，O为输入的原始极光图像，P为圆形掩膜图像，*为图像间对应像素的相乘操作。3.根据权利要求1所述的极光图像分类方法，其中步骤2a)所述的构造16个尺度，每个尺度设有4个方向的Gabor滤波器组，用这些滤波器对预处理后的极光图像进行Gabor 滤波，得到极光图像的SI层特征图，按如下...

【专利技术属性】
技术研发人员：韩冰，赵晓静，高新波，李洁，杨曦，仇文亮，杨辰，王秀美，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：