极光是一种绚丽多彩、千姿百态、变幻莫测的发光现象,它出现在星球的高磁纬地区,而且一般只出现在南北两极的高纬度区域。而地球的极光,是高层的大气分子、原子电离或激发产生,是太阳的高能粒子流与地球磁层作用的结果。由此可见,大气、高能粒子以及磁场是极光产生的必要条件。对地球极光的研究有助于我们了解地球受太阳活动的影响,这有利于我们更好地把握天气变化的过程。除了地球之外,极光还存在于太阳系中一些有磁星体。因此,对于地球极光的研究也有助于我们进一步去了解太阳系中的其他行星,为人类解开更多的宇宙之谜打下基础,对于科学的研究也具有十分重要的价值与意义。检测拍摄的极光图像中哪些是极光图像是研究极光形态识别问题的基础,目前为止,判断图像中是否存在极光图像的一种常见的方法就是模式识别技术。从基于学习方法的角度来说,极光图像检测的步骤是先提取图像特征,然后计算图像之间的相似程度,最后进行分类。在这个过程中,特征提取这个步骤至关重要,它会直接影响到后续的分类。最常用的方法是局部二进制模式算子,简写为LBP,先前也有研究人员提出基于数字图像特征的特征提取的方法,包括简单强度、纹理以及亮度不变这些特征特征,但是相比于LBP来说,这些特征都不能达到很好描述图像的效果,所以LBP在这个领域得到了广泛的应用。随着对极光图像研究的加深,这种方法的缺点日益明显,基本的LBP算子对于噪声比较敏感,而且图像一旦旋转,算子的值也会发生变化,针对它本身存在的弊端,本文提出了一种鲁棒性强且具有旋转不变性的特征提取方法,即Zernike矩特征。Zernike矩是将图像从笛卡尔坐标转化到了极坐标,旋转之后其模值不变。通过对北极黄河站的极光图像数据库检测的实验表明,当测试集图像中混有噪声、旋转某个角度或者先经过滤波之后再分类的话,本文提出的方法就要比LBP的效果好很多。由此看来,Zernike矩特征提取的方法克服了 LBP的很多缺点。除此之外,用LBP的方法检测极光图像有些耗时,本文还提出一种基于Gabor特征的极光图像检测算法,实验表明,这种方法不仅运行时间比LBP短,如果图像先进行滤波的话,基于Gabor特征的极光检测算法分类正确率总体上比LBP效果好。