结合样本选择和AdaBoost的日侧冕状极光检测算法

• 作者: 梁继民 高凌君 高新波
• 来源期刊: 中国图象图形学报A
• 学科: 工学
• 关键词: 日侧冕状极光 Gabor特征 AdaBoost算法 K-均值聚类
• 年，卷（期）: 2010,（1）
• 所属期刊栏目: 图像分析和识别
• 页码范围: 116-121
• 页数: 6页
• 分类号: TP391.4
• 字数: 4163字
• 语种: 中文

摘要

日侧冕状极光是太阳风与地球磁层相互作用产生的典型电离层踪迹,对其正确分类对研究空间天气活动尤为重要.根据冕状极光的形态特征,提出了一种基于静态图像分类的目侧冕状极光检测算法.首先提取极光样本图像的Gabor特征,利用K-均值聚类算法进行基于有监督聚类的训练样本选择,保证训练样本的多样性和代表性.然后引入AdaBoost算法进行特征选择并构建级联分类器实现日侧冕状极光的检测.在北极黄河站采集到的实测极光图像数据库上所做的分类实验结果表明了算法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	梁继民	西安电子科技大学电子工程学院	30	318	9.0	17.0
2	高新波	西安电子科技大学电子工程学院	176	3425	27.0	52.0
3	高凌君	西安电子科技大学电子工程学院	1	11	1.0	1.0