基于動態(tài)紋理模型的極光影像分類算法研究.pdf

1、極光形態(tài)與行星際磁場及太陽風(fēng)等空間物理過程密切相關(guān)，通過研究極光形態(tài)可以獲得大量地球磁層和太陽風(fēng)活動的信息。由于不同的極光形態(tài)對應(yīng)不同的物理發(fā)生機制，因此極光影像數(shù)據(jù)的分類是極光科學(xué)研究中的一個關(guān)鍵問題。隨著海量極光影像的產(chǎn)生，如何借助計算機實現(xiàn)對極光圖像序列的自動分類識別成為研究熱點?；诖?，本論文對極光影像分類算法展開詳細(xì)的分析與研究。
　　針對極光圖像的特征提取和分類，本文提出了基于顯著圖優(yōu)選訓(xùn)練樣本的卷積自動編碼網(wǎng)絡(luò)（S-

2、CAE）。算法先對圖像進行顯著性分析，根據(jù)其顯著圖提取訓(xùn)練樣本并對自動編碼器（AE）網(wǎng)絡(luò)進行訓(xùn)練，用得到的特征作為卷積濾波器構(gòu)建卷積網(wǎng)絡(luò)，提取極光圖像深度特征，最后將提取到的特征訓(xùn)練softmax分類器實現(xiàn)分類。該方法避免了訓(xùn)練大型神經(jīng)網(wǎng)絡(luò)耗時耗力、對計算硬件要求高等問題。實驗結(jié)果表明該模型對于單幀極光圖像具有較好的特征提取能力，能夠獲得較好的分類結(jié)果。
　　極光序列對極光影像的分析更具實際意義，因此本文提出一種基于動態(tài)紋理模型的

3、極光序列分類算法，并利用奇異值分解對模型參數(shù)進行求解，最后利用模型參數(shù)的馬丁距離來衡量圖像序列的差異性，實現(xiàn)極光序列的自動分類識別。為了進一步提高模型緊湊度和計算效率，將張量分解引入模型求解，提高了分類準(zhǔn)確率。實驗結(jié)果表明動態(tài)紋理模型能夠有效地描述極光序列的動態(tài)特征，從而獲取較高的分類準(zhǔn)確率。
　　極光是一個連續(xù)發(fā)生的過程，單純考慮其靜態(tài)特性和動態(tài)特性都是不全面的。因此，本文進一步對極光動態(tài)紋理模型進行改進，用單幀圖像特征代替原始