一种太阳暗条自动检测方法技术

本发明专利技术公开了一种太阳暗条自动检测方法，包括：S1、获取全日面Hα图像，对其进行预处理，构建图像训练数据集；S2、构建基于APP改进的U‑Net模型作为太阳暗条检测模型，并利用图像数据集对其训练；S3、利用完成训练的太阳暗条检测模型对有时间序列的预处理后的输入图像进行处理，获得太阳暗条检测结果；S4、对暗条检测结果进行SORT跟踪，获得暗条跟踪结果。本发明专利技术实现了半自动化、甚至全自动化的太阳暗条的机器学习数据生成、目标跟踪模型训练、推理、目标跟踪，具有较低的训练成本以及更好的指标；支持任意分辨率的FCN方法，良好的迁移性。

【技术实现步骤摘要】

本专利技术属于图像处理，具体涉及一种太阳暗条自动检测方法。

技术介绍

1、太阳活动是太阳大气中一切活动现象的总称，例如太阳黑子、耀斑、日饵等。其中，太阳暗条是日珥在太阳表面投影产生的暗黑色条带，其一定程度上能够反映出日珥区域的局部磁场机构。当前的太阳暗条自动检测方法有基于canny边缘检测的连通域处理方法，基于朴素u-net的语义分割方法等。

2、其中，对于基于canny边缘检测的连通域处理方法，该技术需要多个人为设定的阈值，这些阈值对于图像本身的特征敏感，因此对于不同台站摄制的图像，泛用性和可迁移性差，自动化程度低，需要反复进行人为调整；该技术方法的暗条识别能力差，只能识别相对明显的暗条，对于活动区较小的暗条，该方法很可能因连通域阈值的问题将其视为噪声。

3、对于语义分割方法，其中涉及的数据集需要完全人工标注，比较耗时，自动化程度低，且数据集规模较小，模型指标不理想；同时，该方法只能处理相对低分辨率的数据，对于高分辨率图像没有可靠的功能。

技术实现思路

1、针对现有技术中的上述不足，本文档来自技高网...

【技术保护点】

1.一种太阳暗条自动检测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的太阳暗条自动检测方法，其特征在于，所述步骤S1具体为：

3.根据权利要求2所述的太阳暗条自动检测方法，其特征在于，所述步骤S1中，所述预处理还包括：

4.根据权利要求1所述的太阳暗条自动检测方法，其特征在于，所述步骤S2中，所述太阳暗条检测模型包括改进U-Net模型架构和APP组件；

5.根据权利要求4所述的太阳暗条自动检测方法，其特征在于，当DoubleConv组件的输出通道数为base_channels时，第i个DownSample组件的输入、输出通道数分...

【技术特征摘要】

1.一种太阳暗条自动检测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的太阳暗条自动检测方法，其特征在于，所述步骤s1具体为：

3.根据权利要求2所述的太阳暗条自动检测方法，其特征在于，所述步骤s1中，所述预处理还包括：

4.根据权利要求1所述的太阳暗条自动检测方法，其特征在于，所述步骤s2中，所述太阳暗条检测模型包括改进u-net模型架构和app组件；

5.根据权利要求4所述的太阳暗条自动检测方法，其特征在于，当doubleconv组件的输出通道数为base_channels时，第i个downsample组件的输入、输出通道数分别为2i-1*base_channels和2i*base_channels，第i个upsample组件的输入、输出通道数分别为2n-i+1-f*base_channels和2n-i-f*base_channels，2d卷积层的输入、输出通道数分别为base_channels；

6.根据权利要求4所述的太...

【专利技术属性】
技术研发人员：郝奇，胡家睿，郑执，蒙怡帆，徐文乐源，郭子垚，周文轩，梁航宇，王彦恒，庞庆锋，陆吴桐，陈睿硕，
申请(专利权)人：南京大学，
类型：发明
国别省市：