【技术实现步骤摘要】
本专利技术涉及一种。
技术介绍
近年来，国外已有多套自动识别预警系统，国内的研究相对较晚。在国内，QuMing 等完成了一套CME(日冕物质抛射）自动识别分类系统，该系统同时采用了LASCOC2和C3 的数据，利用图像增强、图像分割以及形态学方法对CME现象进行检测并对耀斑的特征进 行检测。 曾昭宪提出了基于频谱突变分析的日冕物质抛射识别方法，在该方法中，通过预 处理去除原始观测图像中的各种噪声，针对CME的视觉统计特性，利用频谱突变分析从预 处理后的观测图像中分离CME像区域，基于区域协方差分析提取出角宽度、速度等CME特 征参数。在国际上，Berghmans等主要是通过霍夫变换对来自LASCO的CME数据进行判别， 并对CME的特征如位置角度、展开角度、速度等基本参量进行定量化描述，并给出了识别 的准确率，Robbrecht等在Berghmans的工作基础上改进了CME识别的算法，在霍夫变换之 后加入了聚类和形态学闭方法来标记不同的CME，提高了系统的识别准确率并减少了识别 CME现象所用的时间。0.Olmedo等完成了一套对...
【技术保护点】
一种日冕物质抛射事件识别方法，其特征在于，包括以下步骤：步骤1，采用同一切割尺寸分别对具有日冕物质抛射现象和无日冕物质抛射现象的日冕观测图像进行切割，并对两种图像各自的分割图分别进行灰度信息特征的统计；步骤2，根据步骤1中统计的两种图像各自分割图的灰度信息特征，设计多个弱分类器；步骤3，利用各弱分类器对日冕观测图像进行学习，采用Adaboost算法调整各弱分类器的比重并最终得到强分类器；步骤4，依据步骤3中得到的强分类器对日冕观测图集中的图像进行随机抽样检测是否发生日冕物质抛射现象。
【技术特征摘要】
1. 一种日冕物质抛射事件识别方法，其特征在于，包括以下步骤： 步骤1，采用同一切割尺寸分别对具有日冕物质抛射现象和无日冕物质抛射现象的日 冕观测图像进行切割，并对两种图像各自的分割图分别进行灰度信息特征的统计； 步骤2,根据步骤1中统计的两种图像各自分割图的灰度信息特征，设计多个弱分类 器； 步骤3,利用各弱分类器对日冕观测图像进行学习，采用Adaboost算法调整各弱分类 器的比重并最终...
【专利技术属性】
技术研发人员：张玲，尹建芹，冯志全，蔺永政，边俊霞，潘玉奇，
申请(专利权)人：济南大学，
类型：发明
国别省市：山东;37
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。