一种基于深度学习的日冕物质抛射检测方法技术

本发明专利技术公开了一种基于深度学习的日冕物质抛射检测方法，属于日冕抛射物质自动化检测技术领域。包括以下步骤：Step1、CME图像预处理和数据集制作；Step2、特征提取；Step3、生成候选区域建议；Step4、目标区域池化；Step5、进行CME细分类；Step6、边框回归；Step7、去除重复冗余框。本发明专利技术引入深度学习的方法用于CME目标检测，克服了阈值分割或传统的机器学习分类器进行CME检测识别时存在着人工设计特征无法很好表征CME语义，阈值和传统机器学习分类器分类效果差，导致对微弱CME的检测效果差等问题；本发明专利技术相对其他方法，鲁棒性更好。

【技术实现步骤摘要】
一种基于深度学习的日冕物质抛射检测方法
本专利技术涉及日冕物质抛射自动检测领域，尤其涉及一种基于深度学习的日冕物质抛射检测方法。
技术介绍
日冕物质抛射(CornalMassEjections，简称CME)，是一种强烈的空间天气现象，一种日冕物质从太阳日冕层向行星际空间抛射的现象。由于CME含有巨大的速度和能量并且与背景太阳风在磁场、速度、温度上的差异，CME在行星际空间传播时会引起太阳风扰动，严重时可以引起磁暴的极端空间天气。这些会导致太空中的卫星故障和数据丢失、地面电力系统崩溃及短波通信中断等。为了预防CME对人类生活的影响和伤害，实现对CME的检测来对CME进行预警是非常有价值的。SOHO、Wind和STEREO等卫星为人类提供了大量宝贵的CME图像资料。基于这些图像资料，人们提出了各种检测CME的方法来检测CME。Berghmans等人提出的CACTus方法首先对LASCOC2和C3图像进行预处理，再通过霍夫直线检测识别CME。CACTus生成的CACTus目录是第一个自动检测的CME目录。Olmedo等人提出的SEEDS利用C本文档来自技高网...

【技术保护点】
1.一种基于深度学习的日冕物质抛射检测方法，其特征在于，包括以下步骤：/nStep1、CME图像预处理和数据集制作：CME的d2图像极坐标化并用中值滤波去噪得到所述CME图像，半自动标注目标框制作数据集；/nStep2、特征提取：将Step1中的CME图像输入改进后的特征提取网络，得到特征图；/nStep3、生成候选区域建议：将步骤Step2得到的特征图输入区域建议网络RPN，得到感兴趣的候选区域建议；/nStep4、目标区域池化：以Step2输出的特征图和Step3输出的候选区域建议作为输入，将候选区域建议映射到特征图的对应位置，对映射后的特征图进行池化操作得到统一大小的目标区域特征图；/n...

【技术特征摘要】
1.一种基于深度学习的日冕物质抛射检测方法，其特征在于，包括以下步骤：
Step1、CME图像预处理和数据集制作：CME的d2图像极坐标化并用中值滤波去噪得到所述CME图像，半自动标注目标框制作数据集；
Step2、特征提取：将Step1中的CME图像输入改进后的特征提取网络，得到特征图；
Step3、生成候选区域建议：将步骤Step2得到的特征图输入区域建议网络RPN，得到感兴趣的候选区域建议；
Step4、目标区域池化：以Step2输出的特征图和Step3输出的候选区域建议作为输入，将候选区域建议映射到特征图的对应位置，对映射后的特征图进行池化操作得到统一大小的目标区域特征图；
Step5、进行CME细分类：根据Step4得到的目标区域特征图计算目标类型，区分目标是哪一类CME，得到分类分数；
Step6、边框回归：根据Step4得到的目标区域特征图，进行边界框回归细化边界框，最终获得检测框的精确位置；
Step7、消除重复冗余框：根据step5和step6得到目标特征图，利用非极大值抑制方法去除同一CME目标的重复冗余的目标框，得到最终的CME目标的区域。


2.根据权利要求1所述的一种基于深度学习的日冕物质...

【专利技术属性】
技术研发人员：尚振宏，冼祥贵，袁梅宇，
申请(专利权)人：昆明理工大学，
类型：发明
国别省市：云南;53