结合样本选择和AdaBoost的日侧冕状极光检测算法
日侧冕状极光是太阳风与地球磁层相互作用产生的典型电离层踪迹,对其正确分类对研究空间天气活动尤为重要.根据冕状极光的形态特征,提出了一种基于静态图像分类的目侧冕状极光检测算法.首先提取极光样本图像的Gabor特征,利用K-均值聚类算法进行基于有监督聚类的训练样本选择,保证训练样本的多样性和代表性.然后引入AdaBoost算法进行特征选择并构建级联分类器实现日侧冕状极光的检测.在北极黄河站采集到的实测极光图像数据库上所做的分类实验结果表明了算法的有效性.
日侧冕状极光、Gabor特征、AdaBoost算法、K-均值聚类
15
TP391.4(计算技术、计算机技术)
国家自然科学基金项目60702061,60872154;中国气象局公益性行业气象科研专项经费资助GYHY200706043
2010-04-19(万方平台首次上网日期,不代表论文的发表时间)
共6页
116-121