基于流体力学的极光运动方向确定方法

    公开(公告)号:CN105844662A

    公开(公告)日:2016-08-10

    申请号:CN201610143376.7

    申请日:2016-03-14

    CPC classification number: G06T2207/10036

    Abstract: 本发明公开了一种基于流体力学的极光运动方向确定方法,创新性的在极光动态过程的研究中引入了流体力学的理论,主要解决现有极光运动方向自动确定方法效率低的问题。其实现步骤为:1.输入待分析的极光序列;2.对序列中的每帧全天空极光图像进行预处理;3.应用流体力学中的离散格子玻尔兹曼方法计算整个极光动态过程中沿各方向移动的粒子数目;4.根据沿各方向移动的粒子数目,确定极光运动方向。本发明通过结合流体粒子运动,对极光运动方向进行确定。克服了极光作为非刚体的这一特性,具有计算简单、运算量小、处理速度快的优点,提高了确定极光运动方向的效率,可用于极光动态过程分析。

    基于中介真值程度度量的局部主动轮廓图像分割方法

    公开(公告)号:CN106991683B

    公开(公告)日:2019-10-08

    申请号:CN201710189231.5

    申请日:2017-03-27

    Abstract: 本发明公开了一种基于中介真值程度度量的局部主动轮廓图像分割方法,主要解决现有基于主动轮廓的图像分割方法不能用于多种图像的分割及分割结果不准确的问题。其实现过程为:1)输入待分割图像,在图像上给定初始轮廓,对图像上轮廓内外像素分别进行标号;2)取图像的局部区域,在局部区域上分别计算轮廓内外灰度均值;3)计算局部区域上像素的灰度值与轮廓内外灰度均值的相似度;4)根据上述结果构建能量函数;5)用图割优化能量函数,对轮廓内外的像素标号进行更新,以驱动局部区域内轮廓曲线向目标边界演化,当轮廓曲线到达目标边界时,完成图像分割。本发明不仅提高了图像分割的精度,而且能对多种类型图像进行分割,可用于目标识别。

    基于格子玻尔兹曼的紫外极光视频帧率上转换方法

    公开(公告)号:CN106131567B

    公开(公告)日:2019-01-08

    申请号:CN201610517071.8

    申请日:2016-07-04

    Abstract: 本发明公开了一种基于格子玻尔兹曼的紫外极光视频帧率上转换方法,主要解决现有视频帧率上转换方法不适合非刚体运动的极光视频帧率上转换的问题。其实现过程为:1)选取预处理后的极光视频的相邻两帧,2)计算两帧的灰度差;3)根据灰度差计算驱动两帧图像粒子流动的外力;4)利用外力迭代计算两帧图像的粒子位移场,记下粒子位移场不变时的迭代次数n;5)以为迭代次数,重新计算两帧图像的粒子位移场,并使两帧图像的粒子分别按照各自重新计算后的粒子位移场移动得到两幅新图像;6)将两幅新图像融合得到插值帧,完成紫外极光视频的帧率上转换。本发明提升了紫外极光视频的时间分辨率,可用于非刚体运动的视频的帧率上转换。

    基于深度学习的极光卵位置确定方法

    公开(公告)号:CN104680167B

    公开(公告)日:2018-03-20

    申请号:CN201510102348.6

    申请日:2015-03-09

    Abstract: 本发明公开了一种深度学习的极光卵位置确定方法,主要解决现有极光卵位置确定方法中存在的不准确的问题,其步骤是:(1)从紫外极光图像中挑选完整的极光卵图像构成极光卵图像集;(2)利用形状信息和最大相似性区域合并准则对原始图像做图像分割;(3)利用图像的地磁坐标信息,将分割得到的图像进行坐标转换;(4)根据转换后图像得到极光卵赤道向和极向的边界点坐标;(5)利用极光卵图像集中图像的拍摄时间,构建极光卵对应时刻的地磁物理参数数据库;(6)将极光卵边界点坐标和地磁物理参数输入深度学习网络对极光卵位置进行确定。本发明提高了极光卵位置的确定精确,可用于研究地磁物理参数对极光活动的影响。

    融合静态信息与动态信息的视频序列分割方法

    公开(公告)号:CN107045722A

    公开(公告)日:2017-08-15

    申请号:CN201710190220.9

    申请日:2017-03-27

    CPC classification number: G06K9/6223 G06T2207/20221

    Abstract: 本发明公开了一种融合静态信息与动态信息的视频序列分割方法,主要解决现有紫外极光图像分割方法由于不考虑动态特征,造成分割结果不准确的问题。其实现过程为:1).构建紫外极光序列数据库;2).利用紫外极光图像的静态特征在空域上对构建的紫外极光序列进行分割,得到紫外极光序列的空域分割结果;3).利用紫外极光图像的动态特征在时域上对构建的紫外极光序列进行分割,得到紫外极光序列的时域分割结果;4).融合步骤2)和3)的结果,得到最终的分割结果。本发明由于将静态特征与动态特征相结合,大大提升了紫外极光图像的分割精度,可用于目标识别。

    基于极光弧运动特征的极向运动极光结构的识别方法

    公开(公告)号:CN105825179A

    公开(公告)日:2016-08-03

    申请号:CN201610144001.2

    申请日:2016-03-14

    CPC classification number: G06K9/0063 G06K9/6218

    Abstract: 本发明提出了一种基于极光弧运动特征的极向运动极光结构识别方法,用于解决现有极向运动极光结构的识别方法存在的效率低且准确率低的技术问题,其实现步骤为:1.输入极光图像序列并对其进行边缘去噪的预处理;2.对经过预处理的每帧图像进行聚类,获取每帧图像的极光弧区域;3.计算每帧图像极光弧区域的重心位置坐标;4.线性拟合多帧连续图像的极光弧区域重心位置坐标,得线性拟合线;5.根据极光弧重心变化特征设定阈值,并用阈值与线性拟合线斜率比较大小;6根据比较结果,判定事件是否发生,并输出判定结果。本发明具有识别效率和准确率高的优点,可用于极向运动极光结构的识别。

    基于图割优化的局部主动轮廓图像分割方法

    公开(公告)号:CN105069798A

    公开(公告)日:2015-11-18

    申请号:CN201510496149.8

    申请日:2015-08-12

    Abstract: 本发明公开了一种基于图割优化的局部主动轮廓图像分割方法,主要解决现有紫外极光分割方法分割出的极光卵边界不准确的问题。其技术方案是:1.在输入图像上定义初始轮廓C;2.根据初始轮廓构造一个窄带区域;3.以窄带区域内的像素i为中心,在输入图像上取子图Ii;4.在子图上Ii分别计算能量函数E(C,c1,c2);5.将子图Ii映射为一个几何图;6.用最大流\最小割算法找到几何图的最小割;7.重复步骤3-6,直至取完窄带区域内所有像素;8.重复步骤2-7,直至轮廓曲线C到达前景边界,完成图像分割。本发明提高了紫外极光图像的分割精度,并能对灰度不均匀的图像进行准确分割,可用于极光卵位置预测及目标检测。

    融合静态信息与动态信息的视频序列分割方法

    公开(公告)号:CN107045722B

    公开(公告)日:2019-07-30

    申请号:CN201710190220.9

    申请日:2017-03-27

    Abstract: 本发明公开了一种融合静态信息与动态信息的视频序列分割方法,主要解决现有紫外极光图像分割方法由于不考虑动态特征,造成分割结果不准确的问题。其实现过程为:1).构建紫外极光序列数据库;2).利用紫外极光图像的静态特征在空域上对构建的紫外极光序列进行分割,得到紫外极光序列的空域分割结果;3).利用紫外极光图像的动态特征在时域上对构建的紫外极光序列进行分割,得到紫外极光序列的时域分割结果;4).融合步骤2)和3)的结果,得到最终的分割结果。本发明由于将静态特征与动态特征相结合,大大提升了紫外极光图像的分割精度,可用于目标识别。

    基于嵌入边界约束因子的局部主动轮廓图像分割方法

    公开(公告)号:CN108242057A

    公开(公告)日:2018-07-03

    申请号:CN201710865220.4

    申请日:2017-09-22

    Abstract: 本发明公开了一种基于嵌入边界约束因子的局部主动轮廓图像分割方法,主要解决现有图像分割方法的分割精确低和鲁棒性差的问题。其方法步骤是:(1)输入一幅待分割图像;(2)初始化轮廓曲线;(3)构建局部区域;(4)计算局部区域中初始轮廓曲线内外像素点的灰度均值;(5)构建局部区域的边界约束因子;(6)构建局部区域的能量函数;(7)在局部区域内部构建几何图;(8)优化局部区域的能量函数;(9)更新局部区域的能量函数;(10)输出分割图像。本发明提取图像的局部信息,在能量函数中嵌入边界约束因子,获得了更准确的分割结果。

    基于中介真值程度度量的局部主动轮廓图像分割方法

    公开(公告)号:CN106991683A

    公开(公告)日:2017-07-28

    申请号:CN201710189231.5

    申请日:2017-03-27

    Abstract: 本发明公开了一种基于中介真值程度度量的局部主动轮廓图像分割方法,主要解决现有基于主动轮廓的图像分割方法不能用于多种图像的分割及分割结果不准确的问题。其实现过程为:1)输入待分割图像,在图像上给定初始轮廓,对图像上轮廓内外像素分别进行标号;2)取图像的局部区域,在局部区域上分别计算轮廓内外灰度均值;3)计算局部区域上像素的灰度值与轮廓内外灰度均值的相似度;4)根据上述结果构建能量函数;5)用图割优化能量函数,对轮廓内外的像素标号进行更新,以驱动局部区域内轮廓曲线向目标边界演化,当轮廓曲线到达目标边界时,完成图像分割。本发明不仅提高了图像分割的精度,而且能对多种类型图像进行分割,可用于目标识别。

Patent Agency Ranking