基于张量动态纹理模型的极光视频分类

• 作者: 宋亚婷 韩冰 高新波
• 来源期刊: 南京大学学报（自然科学版）
• 学科: 工学
• 关键词: 极光序列 动态纹理 张量
• 年，卷（期）: 2016,（1）
• 页码范围: 184-193
• 分类号: TP391
• 语种: 中文
• DOI: 10.13232/j.cnki.jnju.2016.01.021

摘要

极光事件的形态与行星际磁场及太阳风等空间物理过程密切相关,通过研究极光形态可以得到大量地球磁层和太阳风活动的信息.随着海量极光的产生,如何借助计算机对极光图像序列进行自动分类成为热点.目前极光分类研究大多是基于单幅图像的特征分析,极光视频的建模和分析仍然有待深入研究.因此提出一种基于极光视频动态纹理建模的极光视频事件识别方法.首先对四类极光视频进性普适性动态纹理建模,然后利用矩阵SVD分解对动态纹理模型求解,最后用模型参数间的马丁距离衡量极光序间的差异性,采用最小距离分类器和SVM分类器实现四类典型形态的极光序列的自动分类识别.为进一步提高模型紧凑度,引入张量分解,建立张量动态纹理模型.不同于动态纹理模型只关注序列帧间的重复相关性,张量动态纹理模型同时分析序列帧间的重复相关性和图像帧内各个部分间的重复相关性,从时间和空间维度上同时进行分解,减少模型冗余的同时提高了分类准确率.在中国北极黄河站的ASI图像数据库上进行了算法验证,实验结果表明本文提出模型具有较高的分类准确率,同时该模型能充分表征极光序列帧间的重复相关性和动态变化特性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	高新波	西安电子科技大学电子工程学院	176	3425	27.0	52.0
2	韩冰	西安电子科技大学电子工程学院	24	191	8.0	13.0
6	宋亚婷	西安电子科技大学电子工程学院	2	4	1.0	2.0