【技术实现步骤摘要】
本专利技术涉及图像分析，尤其涉及一种基于太空环境数据挖掘方法及系统。
技术介绍
1、图像分析
是一个结合了计算机视觉、机器学习和数据科学的领域。在领域中，专家开发算法和技术来分析和解释图像数据，从而获取有价值的信息。这些技术在天文学、卫星遥感、行星探测等领域中尤为关键，因为它们能够帮助科学家理解和解释从太空收集到的庞大数据集。
2、其中，基于太空环境数据挖掘方法的目的是从太空环境中收集的数据（如卫星图像、遥感数据等）中提取有用信息。这种方法的目标是通过自动化分析来识别模式、特征和异常，以支持天文研究、地球观测、甚至是行星科学。通过这种方法，科学家们可以更有效地理解和解释太空环境，如行星表面的特征、大气成分、甚至是外星生命的潜在迹象。
3、现有系统在处理太空环境数据时存在诸多不足之处。首先是在图像处理方面，传统的去噪技术往往无法平衡去噪与保留细节之间的矛盾，导致后续的特征提取和分析不够精准。其次，在射线源定位和尘埃分布预测方面，缺乏有效结合射线信息和尘埃数据的分析模型，导致定位不够准确，预测结果可信度不高。此外，现有的太阳活动预测模型常常忽视与其他空间环境因素的关联性，降低了预测的准确性。在背景辐射数据处理上，现有系统往往缺少有效的噪声抑制方法，使得高信噪比数据的获取成为一个难题。这些不足限制了天体物理学和太空探索研究的深入，使得相关预测和分析工作不够可靠，对于科研和实际应用产生了一定的制约。
技术实现思路
1、本专利技术的目的是解决现有技术中存在的缺点
2、为了实现上述目的，本专利技术采用了如下技术方案：一种基于太空环境数据挖掘方法，包括以下步骤：
3、s1：基于行星表面图像，采用小波变换去噪和卷积神经网络，进行去噪处理，并进行增强，生成去噪和增强后的图像；
4、s2：基于所述去噪和增强后的图像，采用卷积神经网络提取特征，并用k均值聚类和支持向量机分类识别，生成特征分类结果；
5、s3：基于射线信息，采用贝叶斯推断和最大似然估计定位射线源，并结合所述特征分类结果分析特征，生成射线源定位结果；
6、s4：利用所述射线源定位结果和尘埃数据，采用数值模拟和流体动力学模拟尘埃运动，用循环神经网络预测，生成尘埃分布预测结果；
7、s5：基于太阳数据，采用傅里叶变换分析周期性，并结合所述尘埃分布预测结果用lstm网络建模预测，生成太阳活动预测结果；
8、s6：利用所述太阳活动预测结果和背景辐射数据，采用小波滤波器滤波，用快速傅里叶变换分析剔除噪声，生成背景辐射噪声抑制结果；
9、所述特征分类结果包括地貌和地质构造的分类信息，所述射线源定位结果具体指来源位置和天体物理学特征，所述尘埃分布预测结果具体为尘埃的未来分布情况，所述太阳活动预测结果具体为活动周期和强度变化预测，所述背景辐射噪声抑制结果具体为高信噪比的数据。
10、作为本专利技术的进一步方案，基于行星表面图像，采用小波变换去噪和卷积神经网络，进行去噪处理，并进行增强，生成去噪和增强后的图像的步骤具体为：
11、s101：基于原始行星表面图像，采用图像预处理方法，进行灰度转化与归一化，生成预处理后的图像；
12、s102：基于所述预处理后的图像，采用haar小波变换算法，进行频域去噪，并提取图像细节，生成小波变换去噪后的图像；
13、s103：基于所述小波变换去噪后的图像，采用深度卷积神经网络模型，进行图像特征学习并进行去噪，生成cnn处理后的图像；
14、s104：基于所述cnn处理后的图像，采用直方图均衡化技术，进行图像对比度增强，生成去噪和增强后的图像；
15、所述图像预处理方法具体为图像质量增强技术，包括去除暗通道估计、色彩均衡与对比度增强，所述haar小波变换算法具体为线性时频分析技术，用于在图像去噪中分离出图像的高频与低频成分，所述深度卷积神经网络模型包括多个卷积层、池化层及全连接层，所述直方图均衡化技术具体指改进图像的对比度，使其对应的像素值分布均匀。
16、作为本专利技术的进一步方案，基于所述去噪和增强后的图像，采用卷积神经网络提取特征，并用k均值聚类和支持向量机分类识别，生成特征分类结果的步骤具体为：
17、s201：基于所述去噪和增强后的图像，采用深度卷积神经网络模型，进行图像特征提取，生成图像特征；
18、s202：基于所述图像特征，采用k-means聚类算法，进行特征聚类分析，生成特征聚类结果；
19、s203：基于所述特征聚类结果，采用支持向量机模型，进行特征分类识别，生成svm分类结果；
20、s204：基于所述svm分类结果，进行模型参数微调与效果评估，生成特征分类结果；
21、所述深度卷积神经网络模型具体为多层特征提取结构，包括激活函数、卷积核与批标准化组件，所述k-means聚类算法具体指空间中多特征点到所属聚类中心的欧氏距离之和为最小，所述支持向量机模型具体为监督学习模型，在高维空间中寻找最佳超平面，用于分类或回归任务，所述效果评估具体包括准确率、召回率及f1分数指标。
22、作为本专利技术的进一步方案，基于射线信息，采用贝叶斯推断和最大似然估计定位射线源，并结合所述特征分类结果分析特征，生成射线源定位结果的步骤具体为；
23、s301：基于收集到的射线信息，采用傅里叶变换算法进行信号去噪，并执行数据标准化处理，生成预处理后的射线信息数据；
24、s302：基于预处理后的射线信息数据，采用基于马尔可夫链的蒙特卡洛方法进行贝叶斯推断，估计射线源位置概率分布，并生成贝叶斯定位概率分布；
25、s303：基于贝叶斯定位概率分布，采用newton-raphson迭代算法执行最大似然估计，运算射线源位置，生成最大似然估计位置；
26、s304：基于所述最大似然估计位置和特征分类结果分析特征，运用主成分分析法和决策树分类器，进行特征降维和分类，生成特征分类分析报告；
27、s305：综合所述特征分类分析报告、贝叶斯和最大似然估计，采用加权融合策略，确立射线源的位置，生成射线源定位结果；
28、所述贝叶斯推断包括设置先验分布、收集似然函数和计算后验分布，所述最大似然估计具体指通过迭代优化似然函数参数以找到最优解，所述特征分类分析报告包括射线强度、能谱分布、时间序列分析。
29、作为本专利技术的进一步方案，利用所述射线源定位结果和尘埃数据，采用数值模拟和流体动力学模拟尘埃运动，用循环神经网络预测，生成尘埃分布预测结果的步骤具体为：
30、s401：利用所述射线源定位结果报告和尘埃数据，应用有限差分法进行数值模拟，描绘尘埃粒子运动，生成尘埃运动模拟数据；
31、s402：基于所述尘埃运动模拟数据，使用流体动力学模拟工具，进行粒子轨迹追踪模拟，生成流体本文档来自技高网...
【技术保护点】
1.一种基于太空环境数据挖掘方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于太空环境数据挖掘方法，其特征在于，基于行星表面图像，采用小波变换去噪和卷积神经网络，进行去噪处理，并进行增强，生成去噪和增强后的图像的步骤具体为：
3.根据权利要求1所述的基于太空环境数据挖掘方法，其特征在于，基于所述去噪和增强后的图像，采用卷积神经网络提取特征，并用K均值聚类和支持向量机分类识别，生成特征分类结果的步骤具体为：
4.根据权利要求1所述的基于太空环境数据挖掘方法，其特征在于，基于射线信息，采用贝叶斯推断和最大似然估计定位射线源，并结合所述特征分类结果分析特征，生成射线源定位结果的步骤具体为；
5.根据权利要求1所述的基于太空环境数据挖掘方法，其特征在于，利用所述射线源定位结果和尘埃数据，采用数值模拟和流体动力学模拟尘埃运动，用循环神经网络预测，生成尘埃分布预测结果的步骤具体为：
6.根据权利要求1所述的基于太空环境数据挖掘方法，其特征在于，基于太阳数据，采用傅里叶变换分析周期性，并结合所述尘埃分布预测结果用LSTM网
7.根据权利要求1所述的基于太空环境数据挖掘方法，其特征在于，利用所述太阳活动预测结果和背景辐射数据，采用小波滤波器滤波，用快速傅里叶变换分析剔除噪声，生成背景辐射噪声抑制结果的步骤具体为：
8.一种基于太空环境数据挖掘系统，其特征在于，根据权利要求1-7任一项所述的基于太空环境数据挖掘方法，所述系统包括图像预处理模块、特征提取和分析模块、射线源定位模块、尘埃动态分析模块、太阳活动预测模块、背景辐射处理模块。
9.根据权利要求8所述的基于太空环境数据挖掘系统，其特征在于，所述图像预处理模块基于原始行星表面图像，采用图像预处理技术和Haar小波变换，实现灰度转化和频域去噪，通过深度卷积神经网络进行特征学习和去噪处理，利用直方图均衡化技术增强图像对比度，生成预处理和增强后的图像；
10.根据权利要求8所述的基于太空环境数据挖掘系统，其特征在于，所述图像预处理模块包括灰度转化子模块、频域去噪子模块、深度学习子模块、对比度增强子模块；
...【技术特征摘要】
1.一种基于太空环境数据挖掘方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于太空环境数据挖掘方法，其特征在于，基于行星表面图像，采用小波变换去噪和卷积神经网络，进行去噪处理，并进行增强，生成去噪和增强后的图像的步骤具体为：
3.根据权利要求1所述的基于太空环境数据挖掘方法，其特征在于，基于所述去噪和增强后的图像，采用卷积神经网络提取特征，并用k均值聚类和支持向量机分类识别，生成特征分类结果的步骤具体为：
4.根据权利要求1所述的基于太空环境数据挖掘方法，其特征在于，基于射线信息，采用贝叶斯推断和最大似然估计定位射线源，并结合所述特征分类结果分析特征，生成射线源定位结果的步骤具体为；
5.根据权利要求1所述的基于太空环境数据挖掘方法，其特征在于，利用所述射线源定位结果和尘埃数据，采用数值模拟和流体动力学模拟尘埃运动，用循环神经网络预测，生成尘埃分布预测结果的步骤具体为：
6.根据权利要求1所述的基于太空环境数据挖掘方法，其特征在于，基于太阳数据，采用傅里叶变换分析周期性，并结合所...
【专利技术属性】
技术研发人员：张俊杰，刘伟，刘瑞林，
申请(专利权)人：北京国星创图科技有限公司，
类型：发明
国别省市：
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。