申请/专利权人：中国人民解放军国防科技大学

申请日：2023-06-20

公开（公告）日：2024-03-22

公开（公告）号：CN116664950B

主分类号：G06V10/764

分类号：G06V10/764;G06V10/80

优先权：

专利状态码：有效-授权

法律状态：2024.03.22#授权;2023.09.15#实质审查的生效;2023.08.29#公开

摘要：本发明涉及空间研究中地面观测技术领域，提供了一种极光图像自动分类方法、装置、计算机设备和存储介质，所述方法包括：抽取极光图像的Gabor特征和灰度梯度特征；联合所述极光图像的灰度特征、所述Gabor特征以及所述灰度梯度特征计算协方差矩阵，利用所述协方差矩阵构造对称正定矩阵形式的二阶张量特征；对所述二阶张量特征降维后映射到欧式空间并拉伸得到一维特征向量；将所述一维特征向量输入多分类支持向量机模型预测极光图像类别。采用本方法能够在小样本条件下提升分类准确率。

主权项：1.一种极光图像自动分类方法，其特征在于，包括：抽取极光图像的Gabor特征和灰度梯度特征；联合所述极光图像的灰度特征、所述Gabor特征以及所述灰度梯度特征计算协方差矩阵，利用所述协方差矩阵构造对称正定矩阵形式的二阶张量特征；其中，所述联合所述极光图像的灰度特征、所述Gabor特征以及所述灰度梯度特征计算协方差矩阵，包括：根据所述灰度特征、所述Gabor特征以及所述灰度梯度特征确定联合特征后，计算所述联合特征的均值向量，根据所述均值向量计算协方差矩阵，计算公式如下：f＝[I,fg,fi]T 其中，f表示联合特征；I表示灰度特征；fg表示Gabor特征；fi表示灰度梯度特征；μ表示均值向量；fk表示联合特征f的第k个分量；d表示抽取的极光图像特征个数；C表示协方差矩阵；对所述二阶张量特征降维后映射到欧式空间并拉伸得到一维特征向量，包括：在黎曼流形上利用映射矩阵将所述二阶张量特征映射到低维空间，得到低维特征矩阵；将所述低维特征矩阵进行特征分解后，利用对数映射变换到欧式空间并拉伸为一维特征向量；将所述一维特征向量输入多分类支持向量机模型预测极光图像类别。

全文数据：

权利要求：

百度查询： 中国人民解放军国防科技大学 极光图像自动分类方法、装置、计算机设备和存储介质

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD