[發明專利]日冕物質拋射事件識別方法

在審

• 申請號: 201410443408.6
• 申請日: 2014-10-30
• 公開（公告）號: CN104318049A
• 公開（公告）日: 2015-01-28
• 發明（設計）人: 張玲;尹建芹;馮志全;藺永政;邊俊霞;潘玉奇
• 申請（專利權）人: 濟南大學
• 主分類號: G06F19/00
• 分類號: G06F19/00;G06T7/00
• 代理公司: 濟南泉城專利商標事務所 37218
• 代理人: 肖健

技術領域

本發明涉及一種日冕物質拋射事件識別方法。

背景技術

近年來，國外已有多套自動識別預警系統，國內的研究相對較晚。在國內，Qu?Ming等完成了一套CME(日冕物質拋射)自動識別分類系統，該系統同時采用了LASCO?C2和C3的數據，利用圖像增強、圖像分割以及形態學方法對CME現象進行檢測并對耀斑的特征進行檢測。

曾昭憲提出了基于頻譜突變分析的日冕物質拋射識別方法，在該方法中，通過預處理去除原始觀測圖像中的各種噪聲，針對CME的視覺統計特性，利用頻譜突變分析從預處理后的觀測圖像中分離CME像區域,基于區域協方差分析提取出角寬度、速度等CME特征參數。在國際上，Berghmans等主要是通過霍夫變換對來自LASCO的CME數據進行判別，并對CME的特征如位置角度、展開角度、速度等基本參量進行定量化描述,并給出了識別的準確率，Robbrecht等在Berghmans的工作基礎上改進了CME識別的算法，在霍夫變換之后加入了聚類和形態學閉方法來標記不同的CME，提高了系統的識別準確率并減少了識別CME現象所用的時間。O.Olmedo等完成了一套對LASCO?C2數據(20分鐘時間間隔)序列進行分析，自動識別CME，在系統中,運用二維圖像到一維數據的投影方法對圖像進行CME現象的檢測，N.Goussies運用CME事件中的紋理的概念去處理圖像，并獲取CME的區域,并在隨后的圖像序列中跟蹤CME事件，P.T.Gallagher利用小波、曲線波、脊波的方法進行CME檢測，在檢測中，利用小波去抑制圖像中的噪聲，利用曲線波和脊波去檢測CME的位置角度、展開角度及加速度等各項特征。

發明內容

為解決以上技術上的不足，本發明提供了一種檢測效果好，正確率高的日冕物質拋射事件識別方法。

本發明是通過以下措施實現的：

本發明的一種日冕物質拋射事件識別方法，包括以下步驟：

步驟1，采用同一切割尺寸分別對具有日冕物質拋射現象和無日冕物質拋射現象的日冕觀測圖像進行切割，并對兩種圖像各自的分割圖分別進行灰度信息特征的統計；

步驟2，根據步驟1中統計的兩種圖像各自分割圖的灰度信息特征，設計多個弱分類器；

步驟3，利用各弱分類器對日冕觀測圖像進行學習，采用Adaboost算法調整各弱分類器的比重并最終得到強分類器；

步驟4，依據步驟3中得到的強分類器對日冕觀測圖集中的圖像進行隨機抽樣檢測是否發生日冕物質拋射現象。

在步驟1中，需要選取較優的切割尺寸，兩圖像按照該較優的切割尺寸分別進行切割，而且切割后兩圖像的分割圖灰度信息特征的統計差距最大。該較優的切割尺寸為20*10像素。

本發明的有益效果是：利用切割圖像統計其最亮塊的灰度特征，根據最亮塊的灰度特征設計多個弱分類器解決CME有無的檢測問題，利用Adaboost技術來組合多個分類器來解決CME的檢測會取得較好的效果，達到了較高的檢測正確率。

附圖說明

圖1為本發明的流程框圖。

圖2為弱分類器的設計中用到的算法PAD圖。

圖3為不同切割尺寸下的灰度直方圖，其中：(a)日冕觀測圖像，(b)切割尺寸為100*100像素下的灰度直方圖，(c)切割尺寸為20*10像素下的灰度直方圖，(d)切割尺寸為50*50像素下的灰度直方圖。

圖4為強分類器設計中用到的算法PAD圖。

圖5抽取的3副圖象中三種切割方法找到的CME切割塊。

圖6實驗結果數據圖。

圖7各種技術方案的檢測正確率對比圖。

具體實施方式

下面結合附圖對本發明做進一步詳細的描述：

如圖1所示，本發明日冕物質拋射事件識別方法，首先對具有CME(日冕物質拋射)現象和無CME現象的日冕觀測圖像進行切割，通常，具有CME現象的日冕觀測圖像區域亮度比較大，找出每幅圖中的最亮的切割塊，即最有可能發生CME現象的區域，對切割塊進行灰度信息特征的統計，找出有CME現象和無CME現象的日冕觀測圖像的差別。