太阳射电频谱爆发信息检测方法及装置制造方法及图纸

本发明专利技术公开了一种太阳射电频谱爆发信息检测方法及装置，该方法包括：获取太阳射电频谱图像；对所述太阳射电频谱图像进行特征提取，得到多个不同尺度的特征图；将所述多个不同尺度的特征图映射到所述太阳射电频谱图像中，得到多个感兴趣区域；将所述多个感兴趣区域池化为多个固定尺寸的特征图；利用所述多个固定尺寸的特征图及预先建立的频谱结构检测模型，确定各爆发信号的信息。利用本发明专利技术方案，可以有效提高检测结果的准确率。可以有效提高检测结果的准确率。可以有效提高检测结果的准确率。

【技术实现步骤摘要】
太阳射电频谱爆发信息检测方法及装置


[0001]本专利技术涉及频谱检测
，具体涉及一种太阳射电频谱爆发信息检测方法及装置。

技术介绍

[0002]太阳射电爆发是指当太阳受到强烈扰动时产生的一种强度急剧增加的射电辐射。目前，随着具有高时间、空间、以及频率分辨率的地基和空基太阳射电观测仪器数量的增加，发现了大量射电频谱精细结构。太阳射电频谱精细结构复杂多样，可简单地分为射电I型爆、II型爆、III型爆、IV型和V型爆等，在上述爆发的内部还常常发现存在尖峰爆发、斑马纹结构、纤维结构、快速准周期脉动结构、花边纹结构等复杂的精细结构现象。它们往往具有独特的辐射亮温、偏振、快速的时频结构，很可能与太阳爆发源区的非热过程和等离子体特定的动力学状态密切相关。提取上述爆发现象的带宽、持续时间、频漂率、相对带宽、偏振等特征参数对理解太阳爆发的本质有重要的价值和意义。
[0003]目前太阳射电频谱精细结构检测的研究相对比较少，太阳射电频谱精细结构的检测还停留在小波变换阶段和传统机器学习阶段，无论是从频谱图像中提取出的形态特征，还是通过对事件分析提取出的参数特征，由于这些特征经过人工设计，提取过程十分耗时，而且自适应性和鲁棒性不足，无法满足海量数据处理的需要。

技术实现思路

[0004]本专利技术提供一种太阳射电频谱爆发信息检测方法及装置，可以有效提高检测结果的准确率。
[0005]为此，本专利技术提供如下技术方案：
[0006]一种太阳射电频谱爆发信息检测方法，所述方法包括：
[0007]获取太阳射电频谱图像；
[0008]对所述太阳射电频谱图像进行特征提取，得到多个不同尺度的特征图；
[0009]将所述多个不同尺度的特征图映射到所述太阳射电频谱图像中，得到多个感兴趣区域；
[0010]将所述多个感兴趣区域对齐为多个固定尺寸的特征图；
[0011]利用所述多个固定尺寸的特征图及预先建立的频谱结构检测模型，确定各爆发信号的信息。
[0012]可选地，对所述太阳射电频谱图像进行特征提取，得到多个不同尺度的特征图包括：
[0013]将所述太阳射电频谱图像输入预先构建的目标检测网络中，根据所述目标检测网络的输出得到多个不同尺度的特征图。
[0014]可选地，所述目标检测网络包括：ResNet101网络和FPN网络；所述ResNet101网络包括多个卷积层，分为多个阶段，每经过一个阶段，输出的特征图尺寸减小为原来的一半；
所述FPN网络包括自下而上，自上而下和横向连接三个部分，用于对所述ResNet101网络得到的不同尺度下的C特征分别处理，然后进行融合处理，得到P系列特征。
[0015]可选地，所述将所述多个不同尺度的特征图映射到所述太阳射电频谱图像中，得到多个感兴趣区域包括：
[0016]将所述多个不同尺度的特征图输入RPN中，确定对应各特征图的锚点框，并对所述锚点框进行二值分类和边界框回归，得到多个感兴趣区域。
[0017]可选地，所述将所述多个感兴趣区域对齐为多个固定尺寸的特征图包括：
[0018]使用双线性内插方法获得坐标为浮点数的每个感兴趣区域的图像数值，得到多个固定尺寸的特征图。
[0019]可选地，所述利用所述多个固定尺寸的特征图及预先建立的频谱结构检测模型，确定各爆发信号的信息包括：
[0020]利用预先建立的外形轮廓检测模型对所述多个固定尺寸的特征图内的爆发信号进行像素级分割，得到各爆发信号的外形轮廓；和/或
[0021]将所述多个固定尺寸的特征图输入预先建立的类别检测模型，得到各爆发信号的候选框和类别。
[0022]可选地，所述方法还包括：
[0023]根据所述爆发信号的候选框的坐标值，计算得到爆发参数；所述爆发参数包括以下任意一项或多项：频率带宽B、持续时间ΔT、开始时间t
start
、结束时间t
end
、开始频率f
start
，停止频率f
end
,中心频率f
center
、频漂率B/Δt。
[0024]一种太阳射电频谱爆发信息检测装置，所述装置包括：
[0025]图像获取模块，用于获取太阳射电频谱图像；
[0026]特征提取模块，用于对所述太阳射电频谱图像进行特征提取，得到多个不同尺度的特征图；
[0027]映射模块，用于将所述多个不同尺度的特征图映射到所述太阳射电频谱图像中，得到多个感兴趣区域；
[0028]对齐模块，用于将所述多个感兴趣区域对齐为多个固定尺寸的特征图；
[0029]检测模块，用于利用所述多个固定尺寸的特征图及预先建立的频谱结构检测模型，确定各爆发信号的信息。
[0030]可选地，所述检测模块包括：轮廓检测单元、和/或类别检测单元；
[0031]所述轮廓检测单元，用于利用预先建立的外形轮廓检测模型对所述多个固定尺寸的特征图内的爆发信号进行像素级分割，得到各爆发信号的外形轮廓；
[0032]所述类别检测单元，用于将所述多个固定尺寸的特征图输入预先建立的类别检测模型，得到各爆发信号的候选框和类别。
[0033]可选地，所述装置还包括：
[0034]计算模块，用于根据所述爆发信号的候选框的坐标值，计算得到爆发参数。
[0035]本专利技术实施例提供的太阳射电频谱爆发信息检测方法及装置，通过对太阳射电频谱图像进行特征提取，得到多个不同尺度的特征图；将提取的多个不同尺度的特征图映射到太阳射电频谱图像中，得到多个感兴趣区域；将多个感兴趣区域池化为多个固定尺寸的特征图；利用多个固定尺寸的特征图及预先建立的频谱结构检测模型，确定各爆发信号的
信息。本专利技术方案从大量数据的统计角度出发，通过深层网络结构逐层的非线性变换，实现复杂函数的逼近，从而可以方便、准确地得到太阳射电频谱爆发信息。
附图说明
[0036]图1是本专利技术实施例提供的太阳射电频谱爆发信息检测方法的一种流程图；
[0037]图2是本专利技术实施例中由Resnet101网络和FPN网络组成的目标检测网络的结构示意图；
[0038]图3是本专利技术实施例中RPN的结构示意图；
[0039]图4是本专利技术实施例中利用双线性内插方法对感兴趣区域进行池化的采样示意图；
[0040]图5是对图4中的采样点进行双线性插值计算的示意图；
[0041]图6是本专利技术实施例中Mask R
‑
CNN深度学习网络模型的结构示意图；
[0042]图7是本专利技术实施例中Mask R
‑
CNN深度学习网络模型的训练流程图；
[0043]图8是本专利技术实施例提供的太阳射电频谱爆发信息检测装置的一种结构示意图。
具体实施方式
[0044]为了使本
的人员更好地理解本专利技术实施例的方案，下面结合附图和实施方式对本专利技术实施例作进一步的详细说明。
[00本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种太阳射电频谱爆发信息检测方法，其特征在于，所述方法包括：获取太阳射电频谱图像；对所述太阳射电频谱图像进行特征提取，得到多个不同尺度的特征图；将所述多个不同尺度的特征图映射到所述太阳射电频谱图像中，得到多个感兴趣区域；将所述多个感兴趣区域对齐为多个固定尺寸的特征图；利用所述多个固定尺寸的特征图及预先建立的频谱结构检测模型，确定各爆发信号的信息。2.根据权利要求1所述的方法，其特征在于，对所述太阳射电频谱图像进行特征提取，得到多个不同尺度的特征图包括：将所述太阳射电频谱图像输入预先构建的目标检测网络中，根据所述目标检测网络的输出得到多个不同尺度的特征图。3.根据权利要求2所述的方法，其特征在于，所述目标检测网络包括：ResNet101网络和FPN网络；所述ResNet101网络包括多个卷积层，分为多个阶段，每经过一个阶段，输出的特征图尺寸减小为原来的一半；所述FPN网络包括自下而上，自上而下和横向连接三个部分，用于对所述ResNet101网络得到的不同尺度下的C特征分别处理，然后进行融合处理，得到P系列特征。4.根据权利要求1所述的方法，其特征在于，所述将所述多个不同尺度的特征图映射到所述太阳射电频谱图像中，得到多个感兴趣区域包括：将所述多个不同尺度的特征图输入RPN中，确定对应各特征图的锚点框，并对所述锚点框进行二值分类和边界框回归，得到多个感兴趣区域。5.根据权利要求1所述的方法，其特征在于，所述将所述多个感兴趣区域对齐为多个固定尺寸的特征图包括：使用双线性内插方法获得坐标为浮点数的每个感兴趣区域的图像数值，得到多个固定尺寸的特征图。6.根据权利要求1至5任一项所述的方法，其特征在于，所述利用所述多个固定尺寸的特征图及预先建立的频谱结构检测模型，确定各爆发信号的信息包括：利用预先建立的外形轮廓检...

【专利技术属性】
技术研发人员：程俊，颜毅华，段江涛，张延军，李彦佐，刘晓莹，谭程明，王威，
申请(专利权)人：中国科学院国家天文台，
类型：发明
国别省市：