一种层次化的太阳黑子快速自动识别方法

发布时间：2021-02-27 02:46

　　太阳黑子的观测与识别是太阳物理学的重要任务。通过对太阳黑子的观测与分析,太阳物理学者可以更准确地分析以及预测太阳活动。随着观测仪器的不断进步,太阳全日面图像数据量也在快速增长。为了快速、准确地进行太阳黑子的自动识别和标注,本文提出了一种两层的太阳黑子识别模型。第一层模型采用深度学习模型YOLO,并使用基于交并比的k均值算法优化YOLO的参数,最终的YOLO模型能够识别绝大多数较大黑子和黑子群,仅有极少数孤立的本影较小的黑子未能识别。为进一步提高这类小黑子的识别率,第二层模型采用AGAST特征检测算法专门识别遗漏的小黑子。在SDO/HMI太阳黑子数据集上的实验结果表明,应用本文的层次化模型,各种形态的太阳黑子均能被有效识别,且识别速率高,从而能够实现实时太阳黑子检测任务。 

【文章来源】：光电工程. 2020,47(07)北大核心

【文章页数】：11 页

【文章目录】：
1 引言
2 太阳黑子识别模型
    2.1 层次化识别模型
    2.2 YOLO模型基本原理
    2.3 数据预处理
    2.4 网络结构
    2.5 优化处理及参数调整
    2.6 第二层太阳黑子识别模型
3 检测实验及分析
    3.1 YOLO训练过程
    3.2 实验结果
    3.3 结果分析
    3.4 未来工作
4 结论


【参考文献】：
期刊论文
[1]基于LeNet-5卷积神经网络的太阳黑子检测方法[J]. 付小娜,廖成武,白先勇,梁波,冯松,杨洪娟,杨云飞.  天文研究与技术. 2018(03)
[2]太阳自适应光学技术进展[J]. 饶长辉,朱磊,张兰强,饶学军,鲍华,孔林,郭友明,钟立波,马学安,李梅,王成,张小军,樊新龙,王晓云,凡木文,陈东红,冯忠毅.  光电工程. 2018(03)
[3]自适应光学图像事后重建技术研究进展[J]. 鲍华,饶长辉,田雨,钟立波,陈浩,龙潇.  光电工程. 2018(03)



本文编号：3053565