基于深度学二维主成分分析网络的极光图像检测方法

摘要

本发明公开了一种基于深度学二维主成分分析的极光图像检测方法，主要解决现有技术对极光图像信息提取不充分的问题。其实现步骤为：(1)利用二维主成分分析法提取一阶特征向量并产生一阶滤波器矩阵，得到一阶全局特征；(2)对一阶全局特征提取其二阶特征向量，同时产生二阶滤波器矩阵，得到二阶全局特征；(3)对二阶全局特征进行分块直方图统计，提取出分块直方图特征；(4)用支持向量机分类器对分块直方图特征进行分类，得到分类结果。本发明实现了对现有三类极光图像的计算机自动检测，且具有分类准确率高的优点，可用于极光图像的特征提取和计算机图像检测。

主权项

一种基于深度学习二维主成分分析网络的极光图像检测方法，包括如下步骤：（1）提取一阶全局特征U：1a）利用二维主成分分析法提取极光图像的L₁个一阶特征向量d＝1,2,…,L₁；1b）对应每个一阶特征向量生成一个一阶滤波器矩阵1c）将第i张极光图像M_i与第d个一阶滤波器矩阵W_d¹进行卷积，生成一阶单独特征图像$M_i^{1d}=M_i*{W_d}^1,$i＝1,2,…,N；1d）依次将N张极光图像与第d个一阶滤波器矩阵W_d¹进行卷积，生成一阶局部特征图像其中，M^1d为极光图像与第d个一阶滤波器矩阵卷积后生成的一阶局部特征图像；1e）对所有的一阶滤波器矩阵均进行1c）和1d）操作，生成对应的一阶局部特征图像，将L₁个一阶局部特征图像组合为一阶全局特征（2）提取二阶全局特征R：2a）取一阶全局特征U中的第d个一阶局部特征图像M^1d，提取其L₂个二阶特征向量k＝1,2,…,L₂；2b）对应每个二阶特征向量生成一个二阶滤波器矩阵2c）将第i张一阶单独特征图像与第k个二阶滤波器矩阵W_k²进行卷积，生成二阶单独特征图像i＝1,2,…,N；2d）依次将N个一阶单独特征图像与第k个二阶滤波器矩阵W_k²进行卷积，生成二阶局部特征图像$M^{2dk}=\{M_1^{2dk},M_2^{2dk},...,M_i^{2dk},...,M_N^{2dk}\};$2e）将第k个二阶滤波器矩阵W_k²与一阶局部特征图像M^1d中的每个一阶单独特征图像均进行2c）和2d）操作，生成对应的二阶整合特征图像2f）将所有的二阶滤波器矩阵与一阶全局特征U均进行2a）‑2e）操作，生成对应的二阶整合特征图像，将L₂个二阶整合特征图像组合为二阶全局特征$R=\{M^{21},M^{22},...,M^{2k},...,M^{2L_2}\};$（3）提取二阶全局特征R的分块直方图特征f；（4）对分块直方图特征f进行分类，从h个极光图像中检测出弧状极光图像h₁、辐射冕状极光图像h₂和帷幔冕状极光图像h₃三类。