日冕物質(zhì)拋射事件識(shí)別方法
【專利摘要】本發(fā)明公開了一種日冕物質(zhì)拋射事件識(shí)別方法，先對(duì)具有CME現(xiàn)象和無CME現(xiàn)象的日冕觀測圖像進(jìn)行切割，對(duì)切割塊進(jìn)行灰度信息特征的統(tǒng)計(jì)，找出有CME現(xiàn)象和無CME現(xiàn)象的日冕觀測圖像的差別。利用不同的切割尺寸進(jìn)行切割，對(duì)比多種切割方式下有CME現(xiàn)象的日冕觀測圖像和無CME現(xiàn)象的日冕觀測圖像的灰度統(tǒng)計(jì)特征，選擇較優(yōu)的若干種切割方式?；谳^優(yōu)的切割方式下得到的切割圖像的灰度統(tǒng)計(jì)特征設(shè)計(jì)若干弱分類器。最后用Adaboost算法調(diào)整各弱分類器的比重得到強(qiáng)分類器。用強(qiáng)分類器對(duì)日冕觀測圖集中的圖像進(jìn)行隨機(jī)抽樣檢測是否發(fā)生CME，檢測其正確率。利用Adaboost技術(shù)來組合多個(gè)分類器來解決CME的檢測會(huì)取得較好的效果，達(dá)到了較高的檢測正確率。
【專利說明】日冕物質(zhì)拋射事件識(shí)別方法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及一種日冕物質(zhì)拋射事件識(shí)別方法。

【背景技術(shù)】
[0002] 近年來，國外已有多套自動(dòng)識(shí)別預(yù)警系統(tǒng)，國內(nèi)的研究相對(duì)較晚。在國內(nèi)，QuMing 等完成了一套CME(日冕物質(zhì)拋射）自動(dòng)識(shí)別分類系統(tǒng)，該系統(tǒng)同時(shí)采用了LASCOC2和C3 的數(shù)據(jù)，利用圖像增強(qiáng)、圖像分割以及形態(tài)學(xué)方法對(duì)CME現(xiàn)象進(jìn)行檢測并對(duì)耀斑的特征進(jìn) 行檢測。
[0003] 曾昭憲提出了基于頻譜突變分析的日冕物質(zhì)拋射識(shí)別方法，在該方法中，通過預(yù) 處理去除原始觀測圖像中的各種噪聲，針對(duì)CME的視覺統(tǒng)計(jì)特性，利用頻譜突變分析從預(yù) 處理后的觀測圖像中分離CME像區(qū)域，基于區(qū)域協(xié)方差分析提取出角寬度、速度等CME特 征參數(shù)。在國際上，Berghmans等主要是通過霍夫變換對(duì)來自LASCO的CME數(shù)據(jù)進(jìn)行判別， 并對(duì)CME的特征如位置角度、展開角度、速度等基本參量進(jìn)行定量化描述，并給出了識(shí)別 的準(zhǔn)確率，Robbrecht等在Berghmans的工作基礎(chǔ)上改進(jìn)了CME識(shí)別的算法，在霍夫變換之 后加入了聚類和形態(tài)學(xué)閉方法來標(biāo)記不同的CME，提高了系統(tǒng)的識(shí)別準(zhǔn)確率并減少了識(shí)別 CME現(xiàn)象所用的時(shí)間。0.Olmedo等完成了一套對(duì)LASCOC2數(shù)據(jù)（20分鐘時(shí)間間隔）序列 進(jìn)行分析，自動(dòng)識(shí)別CME，在系統(tǒng)中，運(yùn)用二維圖像到一維數(shù)據(jù)的投影方法對(duì)圖像進(jìn)行CME 現(xiàn)象的檢測，N.Goussies運(yùn)用CME事件中的紋理的概念去處理圖像，并獲取CME的區(qū)域， 并在隨后的圖像序列中跟蹤C(jī)ME事件，P.T.Gallagher利用小波、曲線波、脊波的方法進(jìn)行 CME檢測，在檢測中，利用小波去抑制圖像中的噪聲，利用曲線波和脊波去檢測CME的位置 角度、展開角度及加速度等各項(xiàng)特征。


【發(fā)明內(nèi)容】

[0004] 為解決以上技術(shù)上的不足，本發(fā)明提供了一種檢測效果好，正確率高的日冕物質(zhì) 拋射事件識(shí)別方法。
[0005] 本發(fā)明是通過以下措施實(shí)現(xiàn)的：
[0006] 本發(fā)明的一種日冕物質(zhì)拋射事件識(shí)別方法，包括以下步驟：
[0007] 步驟1，采用同一切割尺寸分別對(duì)具有日冕物質(zhì)拋射現(xiàn)象和無日冕物質(zhì)拋射現(xiàn)象 的日冕觀測圖像進(jìn)行切割，并對(duì)兩種圖像各自的分割圖分別進(jìn)行灰度信息特征的統(tǒng)計(jì)；
[0008] 步驟2,根據(jù)步驟1中統(tǒng)計(jì)的兩種圖像各自分割圖的灰度信息特征，設(shè)計(jì)多個(gè)弱分 類器；
[0009] 步驟3,利用各弱分類器對(duì)日冕觀測圖像進(jìn)行學(xué)習(xí)，采用Adaboost算法調(diào)整各弱 分類器的比重并最終得到強(qiáng)分類器；
[0010]步驟4,依據(jù)步驟3中得到的強(qiáng)分類器對(duì)日冕觀測圖集中的圖像進(jìn)行隨機(jī)抽樣檢 測是否發(fā)生日冕物質(zhì)拋射現(xiàn)象。
[0011] 在步驟1中，需要選取較優(yōu)的切割尺寸，兩圖像按照該較優(yōu)的切割尺寸分別進(jìn)行 切割，而且切割后兩圖像的分割圖灰度信息特征的統(tǒng)計(jì)差距最大。該較優(yōu)的切割尺寸為 20*10像素。
[0012] 本發(fā)明的有益效果是：利用切割圖像統(tǒng)計(jì)其最亮塊的灰度特征，根據(jù)最亮塊的灰 度特征設(shè)計(jì)多個(gè)弱分類器解決CME有無的檢測問題，利用Adaboost技術(shù)來組合多個(gè)分類器 來解決CME的檢測會(huì)取得較好的效果，達(dá)到了較高的檢測正確率。

【專利附圖】

【附圖說明】
[0013] 圖1為本發(fā)明的流程框圖。
[0014] 圖2為弱分類器的設(shè)計(jì)中用到的算法PAD圖。
[0015] 圖3為不同切割尺寸下的灰度直方圖，其中：(a)日冕觀測圖像，（b)切割尺寸為 100*100像素下的灰度直方圖，（C)切割尺寸為20*10像素下的灰度直方圖，（d)切割尺寸 為50*50像素下的灰度直方圖。
[0016] 圖4為強(qiáng)分類器設(shè)計(jì)中用到的算法PAD圖。
[0017] 圖5抽取的3副圖象中三種切割方法找到的CME切割塊。
[0018] 圖6實(shí)驗(yàn)結(jié)果數(shù)據(jù)圖。
[0019] 圖7各種技術(shù)方案的檢測正確率對(duì)比圖。

【具體實(shí)施方式】
[0020] 下面結(jié)合附圖對(duì)本發(fā)明做進(jìn)一步詳細(xì)的描述：
[0021] 如圖1所示，本發(fā)明日冕物質(zhì)拋射事件識(shí)別方法，首先對(duì)具有CME(日冕物質(zhì)拋射） 現(xiàn)象和無CME現(xiàn)象的日冕觀測圖像進(jìn)行切割，通常，具有CME現(xiàn)象的日冕觀測圖像區(qū)域亮度 比較大，找出每幅圖中的最亮的切割塊，即最有可能發(fā)生CME現(xiàn)象的區(qū)域，對(duì)切割塊進(jìn)行灰 度信息特征的統(tǒng)計(jì)，找出有CME現(xiàn)象和無CME現(xiàn)象的日冕觀測圖像的差別。
[0022] 利用不同的切割尺寸進(jìn)行切割，對(duì)比多種切割方式下有CME現(xiàn)象的日冕觀測圖像 和無CME現(xiàn)象的日冕觀測圖像的灰度統(tǒng)計(jì)特征，選擇較優(yōu)的若干種切割方式。圖像中亮度 大的區(qū)域一般為發(fā)生CME的區(qū)域，通過分割圖像找出亮度最大的切割塊，也就是可能發(fā)生 CME的具體位置，圖像的切割尺寸直接影響CME的檢測結(jié)果。圖像分割尺寸過大，發(fā)生CME 圖像和未發(fā)生CME現(xiàn)象的統(tǒng)計(jì)特性差距不明顯，分割尺寸過小未發(fā)生CME現(xiàn)象的圖像中也 可能會(huì)有若干塊亮度也比較大。如圖3(a)中的前兩張為無CME的日冕觀測圖，后面兩張為 有CME現(xiàn)象的日冕觀測圖，圖3(b)、（c)、（d)分別為切割尺寸為100*100像素、20*10像素、 50*50像素的前面四張圖的最亮切割塊的灰度直方圖。實(shí)驗(yàn)結(jié)果可以看出，20*10像素的尺 寸更容易看出無CME現(xiàn)象的觀測圖和有CME現(xiàn)象的觀測圖的差異。因此可以得出20*10像 素為較優(yōu)的切割尺寸。
[0023] 基于較優(yōu)的切割方式下得到的切割圖像的灰度統(tǒng)計(jì)特征設(shè)計(jì)若干弱分類器。利用 各弱分類器對(duì)日冕觀測圖像進(jìn)行學(xué)習(xí)，最后用Adaboost算法調(diào)整各弱分類器的比重得到 強(qiáng)分類器。用強(qiáng)分類器對(duì)日冕觀測圖集中的圖像進(jìn)行隨機(jī)抽樣檢測是否發(fā)生CME，檢測其正 確率。
[0024] 其中基于adaboost的CME檢測算法包括以下步驟：
[0025] 1.弱分類器的設(shè)計(jì)
[0026] 不同的切割方法得到的分塊圖的直方圖不一樣。發(fā)生CME的圖像區(qū)域具有不規(guī)則 性，單一的切割方法所得到的切割塊難以確定CME是否會(huì)發(fā)生。對(duì)原圖像進(jìn)行不同方式的 切割，對(duì)切割之后的分圖進(jìn)行灰度特征的學(xué)習(xí)以得到發(fā)生CME和未發(fā)生CME的分塊圖各自 的特征，根據(jù)這些特征設(shè)計(jì)多個(gè)分類器。具體算法如下：
[0027]輸入：樣本集{Ml,M2,…MS}，S為樣本集的樣本個(gè)數(shù)。
[0028] 輸出：每一種切割方式下圖像的灰度統(tǒng)計(jì)特征。
[0029]步驟：
[0030]Step:
[0031]step L設(shè)計(jì)η種切割方法，每一種切割方法按一定的切割尺寸切割，heightm為 切割塊的高度，widthm為切割塊的寬度。
[0032]st印2.灰度統(tǒng)計(jì)特征的獲得：如圖2所示。
[0033] substep21:L00P :j從1到η(共有η種切割方式）
[0034]subsubstep211 :L00P:i從 1 到S
[0035]subsubsubstep2111:把樣本Mi切割成t塊，用Bq(q= 1，2. · · ·t)表示，滿足公 式⑴：
[0036] M=Ck q = \
[0037] B1ΠBh =Φ(1 尹h，1 = 1，2. · ·t;h= 1，2, · · ·t) (I)
[0038]subsubsubstep2112:按照公式（2)計(jì)算每一切割塊的超過灰度閾值thr的點(diǎn)的個(gè) 數(shù)Gq.
[0039] Gq =ΥΣ I(^j) …(2) ,、il,g{i,j) >thr
[0040]其中，/(心') = & elseg(i，j)是切割塊圖中（i，j)點(diǎn)的灰度 值.subsubsubstep2113:找出最亮切割塊，并且計(jì)算切割塊中超過灰度閾值thr的點(diǎn)的個(gè) 數(shù)Pi，公式如（3)所示：
[0041]Pi =max(Gq),q=I, 2, . . .t(3)
[0042] subsubst印212:ENDLOOP:按公式4計(jì)算Pi的平均值。
[0043] Cj=Ypzs⑷
[0044]substep22:ENDLOOP。
[0045]算法的結(jié)果如表1所示，第一行為切割塊的尺寸，第二行為無CME的圖像中最亮切 割塊中灰度值大于200的點(diǎn)的個(gè)數(shù)的均值X，第三行為有CME的圖像中灰度值大于200的點(diǎn) 的個(gè)數(shù)的均值Y，第四行為X/Y的比值。比值越大，則對(duì)比越明顯，利用其特征設(shè)計(jì)的分類器 識(shí)別CME現(xiàn)象的效果會(huì)更好。
[0046]表1不同切割尺寸下數(shù)據(jù)的對(duì)比
[0047]

【權(quán)利要求】
1. 一種日冕物質(zhì)拋射事件識(shí)別方法，其特征在于，包括以下步驟： 步驟1，采用同一切割尺寸分別對(duì)具有日冕物質(zhì)拋射現(xiàn)象和無日冕物質(zhì)拋射現(xiàn)象的日 冕觀測圖像進(jìn)行切割，并對(duì)兩種圖像各自的分割圖分別進(jìn)行灰度信息特征的統(tǒng)計(jì)； 步驟2,根據(jù)步驟1中統(tǒng)計(jì)的兩種圖像各自分割圖的灰度信息特征，設(shè)計(jì)多個(gè)弱分類 器； 步驟3,利用各弱分類器對(duì)日冕觀測圖像進(jìn)行學(xué)習(xí)，采用Adaboost算法調(diào)整各弱分類 器的比重并最終得到強(qiáng)分類器； 步驟4,依據(jù)步驟3中得到的強(qiáng)分類器對(duì)日冕觀測圖集中的圖像進(jìn)行隨機(jī)抽樣檢測是 否發(fā)生日冕物質(zhì)拋射現(xiàn)象。
2. 根據(jù)權(quán)利要求1日冕物質(zhì)拋射事件識(shí)別方法，其特征在于：在步驟1中，需要選取較 優(yōu)的切割尺寸，兩圖像按照該較優(yōu)的切割尺寸分別進(jìn)行切割，而且切割后兩圖像的分割圖 灰度信息特征的統(tǒng)計(jì)差距最大。
3. 根據(jù)權(quán)利要求2日冕物質(zhì)拋射事件識(shí)別方法，其特征在于：該較優(yōu)的切割尺寸為 20*10像素。
【文檔編號(hào)】G06F19/00GK104318049SQ201410443408
【公開日】2015年1月28日 申請(qǐng)日期:2014年10月30日 優(yōu)先權(quán)日:2014年10月30日
【發(fā)明者】張玲, 尹建芹, 馮志全, 藺永政, 邊俊霞, 潘玉奇 申請(qǐng)人:濟(jì)南大學(xué)