一种分层小波模型下的极光图像分类算法

doi:10.3969/j.issn.1001-2400.2013.02.004

J4 ›› 2013, Vol. 40 ›› Issue (2): 18-24.doi: 10.3969/j.issn.1001-2400.2013.02.004

一种分层小波模型下的极光图像分类算法

杨曦;李洁;韩冰;高新波

(西安电子科技大学电子工程学院，陕西西安 710071)

收稿日期:2011-12-08 出版日期:2013-04-20 发布日期:2013-05-22
通讯作者: 杨曦
作者简介:杨曦(1988-)，女，西安电子科技大学博士研究生，E-mail: xiyang.xidian@gmail.com．
基金资助:
国家自然科学基金重点资助项目(41031064)；国家自然科学基金资助项目(60902082)；2010年海洋公益性行业科研专项经费资助项目(201005017)；陕西省自然科学基金资助项目(2011JQ8019)；中央高校基本科研业务费资助项目(JY10000902016)

Wavelet hierarchical model for aurora images classification

YANG Xi;LI Jie;HAN Bing;GAO Xinbo

(School of Electronic Engineering, Xidian Univ., Xi'an 710071， China)

Received:2011-12-08 Online:2013-04-20 Published:2013-05-22
Contact: YANG Xi

摘要/Abstract

摘要：

为提高极光图像的分类精度，提出了一种基于分层小波模型的极光图像分类算法．该算法分层提取全局和局部小波特征，通过主成分分析法对特征进行降维后，利用支持向量机分类器进行了极光图像的弧状和三种冕状的四分类．通过比较分类准确率和分类所用的时间，实现了分层小波模型中各个最优参数的选取，验证了利用主成分分析法进行特征降维的有效性，比较了文中算法与部分经典算法的分类效果．实验结果表明，文中算法在耗时允许范围内提升了分类准确率，极光图像的两两分类实验还给出了进一步提高分类准确率的方向．

关键词: 极光图像分类, 分层小波模型, 主成分分析, 支持向量机

Abstract:

In order to improve the accuracy of aurora images classification, an algorithm based on the wavelet hierarchical model is proposed. In the proposed algorithm, the global and local wavelet features are extracted hierarchically first, then reduced in dimensions through the principal component analysis and used to classify the arc and three corona aurora images by the use of the support vector machine. By comparing the classification accuracy and time consumption, the optimal parameters in the wavelet hierarchical model are experimentally obtained and the validity of principal component analysis in feature optimization is verified. Experimental results show that the proposed algorithm improves the classification accuracy to a great degree with an acceptable time consumption compared with classical algorithms. Classification results between each two types of aurora images also provide some potential ways to improve the accuracy.

Key words: aurora image classification, wavelet hierarchical model, principal component analysis (PCA), support vector machine (SVM)

中图分类号:

TN911.73

杨曦;李洁;韩冰;高新波. 一种分层小波模型下的极光图像分类算法[J]. J4, 2013, 40(2): 18-24.

YANG Xi;LI Jie;HAN Bing;GAO Xinbo. Wavelet hierarchical model for aurora images classification[J]. J4, 2013, 40(2): 18-24.

参考文献

［1］胡泽骏, 杨惠根, 艾勇, 等. 日侧极光卵的可见光多波段观测特征-中国北极黄河站首次极光观测初步分析［J］. 极地研究, 2005, 17(2):107-114.
Hu Zejun, Yang Huigen, Ai Yong, et al. Multiple Wavelengths Observation of Dayside Auroras in Visible Range-A Preliminary Result of the First Wintering Aurora Observation in Chinese Arctic Station at Ny-(A)Lesund ［J］. Chinese Journal of Polar Research, 2005, 17(2): 107-114.
［2］ Stomer C. The Polar Aurora ［M］. Oxford: Clarend on Press, 1955.
［3］ Syrjasuo M T, Donovan E F. Diurnal Auroral Occurrence Statistics Obtained via Machine Vision ［J］. Annales Geophysicae, 2004, 22(4):1103-1113.
［4］ Syrjasuo M T, Donovan E F, Qin X, et al. Automatic Classification of Auroral Images in Substorm Studies ［C］//Proc Eight International Conference on Substorms (ICS8). Alberta: University of Calgary, 2007: 309-313.
［5］ Wang Y R, Gao X B, Fu R, et al. Dayside Corona Aurora Classification Based on X-gray Level Aura Matrices ［C］//Proc ACM International Conference on Image and Video Retrieval (CIVR2010). Xi’an: Xidian University, 2010: 282-287.
［6］高凌君, 高新波, 梁继民. 结合样本选择和AdaBoost的日侧冕状极光检测算法［J］. 中国图象图形学报A, 2010, 15(1): 116-121.
Gao Lingjun, Gao Xinbo, Liang Jimin. Dayside Corona Aurora Detection Based on Sample Selection and AdaBoost Algorithm ［J］. Journal of Image and Graphics (A), 2010, 15(1): 116-121.
［7］付蓉, 李洁, 高新波. 基于形态学成分分析的静态极光图像分类算法［J］. 光子学报, 2010, 39(6): 1034-1039.
Fu Rong, Li Jie, Gao Xinbo. Static Aurora Images Classification Based on Morphological Component Analysis ［J］. Acta Photonica Sinica, 2010, 39(6): 1034-1039.
［8］李亚标, 王宝光, 李温温. 基于小波变换的图像纹理特征提取方法及其应用［J］. 传感技术学报, 2009, 22(9): 1308-1311.
Li Yabiao, Wang Baoguang, Li Wenwen. A Method of Image Texture Feature Analysis Based on Wavelet Decomposition and Its Application ［J］. Chinese Journal of Sensors and Actuators, 2009, 22(9): 1308-1311.
［9］李传伟, 李安宗. 一种小波变换信号处理方法［J］. 西安电子科技大学学报, 2009, 36(4): 751-755.
Li Chuanwei, Li Anzong. Algorithms and Application of the Wavelet-Based Signal Processing ［J］. Journal of Xidian University, 2009, 36(4): 751-755.
［10］ Pun C M, Lee M C. Log-Polar Wavelet Energy Signatures for Rotation and Scale Invariant Texture Classification ［J］. IEEE Trans on Pattern Analysis and Machine Intelligence, 2003, 25(5): 590-603.
［11］ Martinez A M, Kak A C. PCA Versus LDA ［J］. IEEE Trans on Pattern Analysis and Machine Intelligence, 2001, 3(2): 228-233.
［12］温浩, 卢朝阳, 高全学. 融合小波变换和张量PCA的人脸识别算法［J］. 西安电子科技大学学报, 2009, 36(4): 602-607.
Wen Hao, Lu Chaoyang, Gao Quanxue. Face Recognition Algorithm Based on Wavelet Preprocessing and Tensor PCA ［J］. Journal of Xidian University, 2009, 36(4): 602-607.
［13］ Hsu C W, Lin C J. A Comparison of Methods for Multiclass Support Vector Machines ［J］. IEEE Trans on Neural Networks, 2002, 13(2): 415-425.
［14］常甜甜, 刘红卫, 冯筠. 多源性数据SVM集成算法研究［J］. 西安电子科技大学学报, 2010, 37(1): 136-141.
Chang Tiantian, Liu Hongwei, Feng Jun. Support Vector Machine Ensemble Learning Algorithm Research Based on Heterogeneous Data ［J］. Journal of Xidian University, 2010, 37(1): 136-141.

[1]	王俊祥,黄霖,张影,倪江群,林朗. 低复杂度的增强图像来源检测算法[J]. 西安电子科技大学学报, 2021, 48(1): 96-106.
[2]	李海,尚金雷,孙婷逸,冯青,庄子波. MC-DTSVMs的双偏振气象雷达降水粒子分类方法[J]. 西安电子科技大学学报, 2020, 47(4): 132-140.
[3]	刘道华,崔玉爽,赵岩松,宋玉婷,王景慧. 一种改进卷积神经网络的教学图像检索方法[J]. 西安电子科技大学学报, 2019, 46(3): 52-58.
[4]	李慧,奚园园,马宇鑫,张瑞梅. 融合PCA和ESN的交通流周期预测模型[J]. 西安电子科技大学学报, 2019, 46(1): 20-26.
[5]	安亚利,周水生,陈丽,王保军. 鲁棒支持向量机及其稀疏算法[J]. 西安电子科技大学学报, 2019, 46(1): 64-72.
[6]	汪星;黄小瑜;刘瑄璞;孔宪光;牛萌. 面向工业大数据的多层增量特征提取方法[J]. 西安电子科技大学学报, 2018, 45(4): 106-111.
[7]	韩冰;贾中华;高新波. 改进的主成分分析网络极光图像分类方法[J]. 西安电子科技大学学报, 2017, 44(1): 83-88.
[8]	张居杰;方敏;郭锦. 一种新的多标记特征提取方法[J]. 西安电子科技大学学报, 2016, 43(6): 62-67.
[9]	孔宪光;章雄;马洪波;常建涛;牛萌. 面向复杂工业大数据的实时特征提取方法[J]. 西安电子科技大学学报, 2016, 43(5): 70-74+152.
[10]	王海军;葛红娟;张圣燕. 在线低秩表示的目标跟踪算法[J]. 西安电子科技大学学报, 2016, 43(5): 98-104.
[11]	史鹤欢;许悦雷;马时平;李岳云;李帅. PCA预训练的卷积神经网络目标识别算法[J]. 西安电子科技大学学报, 2016, 43(3): 161-166.
[12]	李美玲;胡耀垓;周晨;赵正予;张援农;刘静;邓忠新. 支持向量机用于电离层foF2的短期区域预报[J]. J4, 2015, 42(5): 147-153+206.
[13]	蔡艳艳;宋晓东. 针对非平衡数据分类的新型模糊SVM模型[J]. J4, 2015, 42(5): 120-124+160.
[14]	梁玮;曾平;郑海红;罗雪梅. 利用复合变换的多光谱图像压缩算法[J]. J4, 2015, 42(4): 33-40.
[15]	左青云;陈鸣;王秀磊;刘波. 一种基于SDN的在线流量异常检测方法[J]. J4, 2015, 42(1): 155-160.

一种分层小波模型下的极光图像分类算法

Wavelet hierarchical model for aurora images classification

PDF (PC)

赞

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

Metrics

本文评价

推荐阅读 0