用于监测极光活动的变化轨迹的生成方法

摘要

本发明公开了一种用于监测极光活动的变化轨迹的生成方法，提出一种基于极光流体特性和多尺度运动特点的全天空极光图像运动场的提取方法，本方法能够根据当前数据的分辨率和极光活动的性质自适应的选择正则化策略，然后基于提取出的运动场实现对极光视频表征，进一步度量极光视频序列之间的差异用以监测极光活动的变化。基于运动场的表征方法有效体现了极光丰富的二维形态特征和运动模式，生成的变化轨迹进而能够准确地定位极光发生突变的位置，为空间物理的研究提供新的手段。

主权项

一种用于监测极光活动的变化轨迹的生成方法，步骤如下：步骤1：输入一段极光视频，并对每一帧原始极光视频图像进行预处理，原始全天空极光图像的大小为512×512，像素亮度的动态范围为[0,18000]，原始全天空极光图像的预处理过程依次分为五个步骤：(1)减去暗电流；(2)去边缘噪声；(3)灰度拉伸；(4)图像旋转；(5)图像剪裁，经过预处理的图像大小为440×440，灰度动态范围为[0,4000]，得到的图像序列构成全天空极光视频序列S_a＝{I(x,t),x∈Ω,t＝1,2,Λ,T}，其中Ω表示全天空极光图像的圆形掩模区域，T表示极光视频序列的长度，x表示像素的空间位置，t表示时间；步骤2：构建塔形分解层决策训练集，对塔形分解层决策训练集中的每一幅图像I建立六层高斯塔形分解，得到I₀,Λ,I₅，其中I₀为原始尺度的图像，I₀＝I，I₁为进行一层高斯塔形分解的图像，I₂为进行二层高斯塔形分解的图像，I₃为进行三层高斯塔形分解的图像，I₄为进行四层高斯塔形分解的图像，I₅为进行五层高斯塔形分解的图像；步骤3：利用极光图像的平均亮度和占空比这两个特征函数判断高斯金字塔分解层是否保留极光的基本信息，特征函数的拐点为发展趋势开始发生改变的位置，通过寻找两个特征函数的拐点得到塔形分解的最优层数l_opt；步骤4：根据一阶平滑正则化因子和二阶散度‑旋度正则化因子的特点，构造一个新的指标正则化散度差D_reg来判断各高斯分解层运动的性质，从而自适应的选择正则化方案；步骤5：从全天空极光数据库中随机选取500幅图像构建正则化方案决策阈值训练集，对训练集中的图像构造不同尺度和不同方向的平移运动和旋转运动，分别求平移运动和旋转运动的正则化散度差D_reg，对正则化方案决策阈值训练集的D_reg进行训练，得到正则化方案的决策阈值Z；步骤6：对于一段待监测极光视频序列S_a，建立0‑l_opt层塔形分解层，凡满足D_reg(i)>Z的塔形分解层，选择二阶散度‑旋度正则化因子；满足D_reg(i)≤Z的塔形分解层，选择一阶平滑正则化因子，在各分解层上，利用基于连续方程的数据约束，并结合自适应选择的正则化因子，求得运动向量场序列V＝{v(x,t),x∈Ω,t＝1,2,Λ,T‑1}，v(x,t)表示位于空间坐标x和时间坐标t的运动向量；步骤7：为了监测极光活动的变化，将窗宽为2t_w的时间滑窗从视频起始位置滑向结束位置，每次滑动的步长为一帧，将第t次滑窗内的极光运动向量场序列分为前t_w帧和后t_w帧子序列，提取这两段序列基于局部向量差的时空统计特征f_pre(t)和f_post(t)；步骤8：度量当前滑窗内的前后极光视频序列的差异，导出f_pre(t)和f_post(t)的chi‑square统计距离，将值赋给变化轨迹在t时刻的值:d_chg(t)＝χ²(f_pre(t)，f_post(t))chi‑square统计距离定义为：${\chi }^2(p,q)={\Sigma }_i\frac{{(p_i-q_i)}^2}{p_i+q_i},$其中，i表示两个向量p和q的索引，d_chg(t)反映了极光活动在t时刻的变化情况。