[发明专利]基于多特征融合的日冕物质抛射检测方法

摘要

本发明公开了一种基于多特征融合的日冕物质抛射检测方法，通过对CME差分图像进行分割，将CME检测建模为差分图像中最亮块的分类问题；首先，将原图像转化为极坐标显示；其次，由于CME的典型表现是明亮的、纹理复杂的增强结构，因此，查找CME的最亮块，以最亮块作为图像的代表，并提取最亮块的灰度、纹理以及HOG特征；最后，以抽取的灰度特征、纹理以及HOG特征为基础，采用决策树作为基分类器，采用集成决策树完成CME的检测。实验结果表明，提出的融合多特征的CME检测算法，可以取得较好的CME检测效果。

主权项

1.一种基于多特征融合的日冕物质抛射检测方法，其特征在于，包括以下步骤：步骤1，将差分处理后的日冕观测图像转化为极坐标显示；步骤2，采用不同的尺度对经步骤1处理后的图像进行切分，得到不同的子块，并求取最亮块；步骤3，分别提取步骤2中最亮块的灰度特征GB、纹理特征TB以及HOG特征HB；步骤4，以提取的灰度特征GB、纹理特征TB以及HOG特征HB为基础，采用决策树作为基分类器，并采用AdaBoost算法提升得到强分类器，最终得到分类结果，完成检测；在步骤4中，首先，分别利用灰度特征GB、纹理特征TB以及HOG特征HB训练决策树模型，对每种特征的分类能力进行初步评估；其次，针对分类能力良好的特征得到的决策树模型，利用AdaBoost算法进行提升；最后，选用具有良好分类能力的特征生成每棵决策树，利用AdaBoost算法进行提升；在步骤1中，极坐标转化是对经差分处理后的日冕观测图像做几何变换，保持像素灰度值不变，仅变换像素的几何位置，设经差分处理后的日冕观测图像中的任一点(x,y)，将其按照式(3)进行变换，得到极坐标图像中的(ρ,θ)；式(3)中，W，H为经差分处理后的日冕观测图像的宽度和高度；在步骤2中，求取最亮块等同于寻求区域中灰度值之和最大值B，即寻求：其中，R是最亮块所对应的区域，I(i,j)表示第i行第j列的灰度值，因此，R～(Shape，Size)，即区域R由形状和大小两个要素决定；提取最亮块的灰度直方图进行灰度特征表示：其中，g(i,j)为最亮块B中第i行第j列的灰度值；提取Harilick纹理描述子进行纹理特征描述，在距离变量和旋转方向变量的约束下，共有14种纹理特征，采用1种距离，4个方向求取其纹理特征，得到56个Haralick纹理描述子；提取HOG特征进行CME轮廓表示，将目标区域划分为一系列的块Block和单元Cell，每个Cell选为8*8，每个Block由一系列Cell组成，选为2*2，块重叠率为50％，计算目标的HOG特征。