梁宇峰,白先勇,2,3,馮 松
(1. 昆明理工大學(xué) 云南省計(jì)算機(jī)技術(shù)應(yīng)用重點(diǎn)實(shí)驗(yàn)室/信息工程與自動(dòng)化學(xué)院,云南 昆明 650500;2.中國科學(xué)院 太陽活動(dòng)重點(diǎn)實(shí)驗(yàn)室,北京100012;3.中國科學(xué)院 國家天文臺(tái),北京 100049)
太陽活動(dòng)是太陽大氣中局部區(qū)域的各種不同活動(dòng)現(xiàn)象的總稱。當(dāng)太陽活動(dòng)增強(qiáng)時(shí)會(huì)突然釋放出巨大的能量,同時(shí)拋射出不同能量的粒子對(duì)地球空間環(huán)境造成很大的影響。隨著計(jì)算機(jī)技術(shù)的快速發(fā)展,利用運(yùn)動(dòng)目標(biāo)檢測(cè)技術(shù)對(duì)太陽圖像進(jìn)行檢測(cè),從而有效地監(jiān)測(cè)太陽活動(dòng)是目前天文圖像處理的研究熱點(diǎn)之一。由于受到大氣吸收的影響,目前在地面可以觀測(cè)到太陽的光球?qū)雍蜕驅(qū)?,而日冕層的觀測(cè)還僅限于日面邊緣。Hα圖像可以充分顯示色球豐富結(jié)構(gòu)和各類色球活動(dòng)現(xiàn)象,是最有效的色球觀測(cè)譜線,國內(nèi)的觀測(cè)設(shè)備如中國科學(xué)院云南天文臺(tái)全日面Hα色球望遠(yuǎn)鏡[1]、懷柔太陽觀測(cè)基地的全日面Hα望遠(yuǎn)鏡[2-3]以及光學(xué)和紅外太陽爆發(fā)監(jiān)測(cè)望遠(yuǎn)鏡[4]。國外的觀測(cè)設(shè)備如美國國立太陽天文臺(tái)的太陽全球振蕩監(jiān)測(cè)網(wǎng)(Global Oscillation Network Group,GONG)[5-6]、全球高分辨率Hα網(wǎng)[7](Global High-Resolution H-alpha Network)都使用該譜線觀測(cè)色球活動(dòng)。檢測(cè)太陽Hα圖像的特征也就是檢測(cè)太陽耀斑、日珥、黑子和暗條等太陽活動(dòng)。
近年來,學(xué)者們對(duì)Hα圖像進(jìn)行實(shí)驗(yàn)并開發(fā)了一系列的檢測(cè)算法和程序。針對(duì)太陽暗條的檢測(cè)方法主要可以分為兩類。(1)是基于圖像形態(tài)處理方法。Hao等[8]采用形態(tài)學(xué)操作的方法,針對(duì)Mauna Loa Solar天文臺(tái)觀測(cè)到的Hα全日面太陽圖像進(jìn)行實(shí)驗(yàn),識(shí)別暗條的結(jié)果較好。Fuller[9]采用了經(jīng)典的區(qū)域生長方法對(duì)法國Meudon天文臺(tái)的Hα圖像進(jìn)行驗(yàn)證,并得到了較好的結(jié)果,但是圖像局部差異容易導(dǎo)致算法的不穩(wěn)定性。Gao等[10]采用全局閾值和區(qū)域生長方法對(duì)美國Big Bear Solar天文臺(tái)的Hα圖像進(jìn)行驗(yàn)證,此法簡(jiǎn)單高效,但檢測(cè)不到邊緣暗條,且易漏掉形狀較小暗條,黑子也極有可能混雜其中。(2)基于統(tǒng)計(jì)機(jī)器學(xué)習(xí)的方法。Zharkova[11-12]利用神經(jīng)網(wǎng)絡(luò)方法來識(shí)別暗條,并獲得了較好的效果。Qu[13]在文獻(xiàn)中采用支持向量機(jī)的方法來區(qū)分暗條和黑子。太陽耀斑的檢測(cè)也取得了較快的發(fā)展,Qu等[14]在2003年利用支持向量機(jī)分類器的方法對(duì)耀斑進(jìn)行識(shí)別,取得了良好的效果。Borda等[15]利用神經(jīng)網(wǎng)絡(luò)算法實(shí)現(xiàn)了耀斑的自動(dòng)檢測(cè)。P?tzi等[16]針對(duì)Kanzelh?he天文臺(tái)的Hα圖像做臨邊昏暗改正,并把存在的太陽活動(dòng)做成高斯直方圖,這樣就有個(gè)灰度從而得到耀斑。從上述可以看出,如何分析海量的觀測(cè)數(shù)據(jù),并開發(fā)更有效地算法來檢測(cè)Hα圖像是當(dāng)今的研究熱點(diǎn)。
本文將改進(jìn)的混合高斯模型方法引入到太陽活動(dòng)的檢測(cè)中。預(yù)處理圖像后,利用三幀差分法先得到的一幅背景圖像,再將該圖像更新到混合高斯模型的背景模型中,對(duì)正在爆發(fā)的太陽活動(dòng)進(jìn)行檢測(cè)并識(shí)別。通過對(duì)觀測(cè)圖像的處理表明:本文算法同時(shí)檢測(cè)出耀斑和暗條爆發(fā)等太陽活動(dòng),并計(jì)算出耀斑爆發(fā)時(shí)間和級(jí)別。通過對(duì)中國科學(xué)院國家天文臺(tái)懷柔太陽觀測(cè)基地和GONG觀測(cè)的3組數(shù)據(jù)進(jìn)行實(shí)驗(yàn),結(jié)果證明本算法和現(xiàn)有的算法相比能有效的檢測(cè)出太陽耀斑、暗條等活動(dòng)并計(jì)算出耀斑級(jí)別和時(shí)間。改善了混合高斯模型固有的光照變化檢測(cè)不佳的問題,提高了檢測(cè)耀斑、暗條等太陽活動(dòng)的準(zhǔn)確度。
幀間差分法是圖像處理過程中最常用的一種方法。該算法是將相鄰兩幀圖像之間做差來獲得運(yùn)動(dòng)區(qū)域。通過相鄰圖像的差值可以快速檢測(cè)出相鄰圖像中目標(biāo)的運(yùn)動(dòng)范圍。該算法計(jì)算速度快,且對(duì)于光照變化不敏感。三幀差分法是取連續(xù)3幀圖像Ii-1(x,y)、Ii(x,y)和Ii+1(x,y)。分別計(jì)算兩幀間的差值,如式(1)和式(2)所示[17],選取合適的閾值T得到b(i,i-1)和b(i+1,i)。再對(duì)b(i,i-1)和b(i+1,i)做邏輯“與”運(yùn)算得到運(yùn)動(dòng)目標(biāo)Bi,如式(3)所示。
(1)
(2)
(3)
混合高斯模型(Gaussian Mixture Models,GMMs)廣泛應(yīng)用于數(shù)據(jù)分析和模式識(shí)別等領(lǐng)域,由Stauffer等人[18]在1999年提出。用多個(gè)高斯分布(正態(tài)分布)來表示圖像中t時(shí)刻每個(gè)像素點(diǎn)的灰度值Xi,t所構(gòu)成的模型被稱作混合高斯模型,其函數(shù)表達(dá)式如式(4)所示,其中,P(Xt)表示每個(gè)像素點(diǎn)K個(gè)高斯分布的總概率;η(Xt,μi,t,∑i,t)表示像素點(diǎn)的概率密度;ωi,t表示第i個(gè)高斯分布t時(shí)刻的權(quán)重;μi,t表示第i個(gè)高斯分布t時(shí)刻的期望;∑i,t表示協(xié)方差矩陣;K表示高斯分布的個(gè)數(shù),一般取值為3~5,本文取4。隨著K值的增大,模型所表示的場(chǎng)景就越復(fù)雜,但計(jì)算量也隨之增加。
(4)
若Xi,t不匹配,當(dāng)k ωi,t=(1-α)ωi,t-1+α(Mi,t) (5) μi,t=(1-ρ)μi,t-1+ρXi,t (6) (7) ρ=αη(Xt|μi,t,σi,t) (8) (2)混合高斯模型的前景檢測(cè)。首先將每個(gè)像素的K個(gè)高斯分布根據(jù)ωi,t/σi,t比值大小進(jìn)行排序。再從K個(gè)高斯分布中選取B個(gè)高斯分布作為背景模型。其中式(9)給出了B的取值。T表示背景閾值。將像素值Xi,t與B個(gè)高斯分布進(jìn)行匹配,若存在匹配,則該像素點(diǎn)為背景點(diǎn),否則該像素點(diǎn)被檢測(cè)為前景點(diǎn)。對(duì)圖像序列中的每個(gè)像素點(diǎn)重復(fù)執(zhí)行以上步驟,完成圖像的前景分割過程得到Hα圖像中的運(yùn)動(dòng)物質(zhì)。 (9) 使用改進(jìn)混合高斯模型檢測(cè)太陽活動(dòng)之前,先對(duì)Hα圖像進(jìn)行預(yù)處理。預(yù)處理包括圖像的標(biāo)準(zhǔn)化和圖像復(fù)原兩個(gè)步驟。本文首先對(duì)Hα圖像進(jìn)行標(biāo)準(zhǔn)差歸一化。使圖像符合標(biāo)準(zhǔn)高斯分布(即均值為0,標(biāo)準(zhǔn)差為1),保證圖像的強(qiáng)度統(tǒng)一。在Hα圖像獲取時(shí),受到天氣條件等各種隨機(jī)噪聲的影響,導(dǎo)致圖像存在信噪比低、圖像運(yùn)動(dòng)模糊等問題。因此要提高圖像質(zhì)量,必須對(duì)其進(jìn)行濾波處理。維納濾波的原理是假設(shè)圖像信號(hào)可以近似看成平穩(wěn)隨機(jī)過程的前提下,使輸入圖像和復(fù)原圖像之間的均方誤差達(dá)到最小的準(zhǔn)則函數(shù)來實(shí)現(xiàn)圖像復(fù)原。本實(shí)驗(yàn)數(shù)據(jù)的模糊主要是由于天氣原因(云,陰天)和望遠(yuǎn)鏡和場(chǎng)景之間的均勻線性運(yùn)動(dòng)產(chǎn)生的,因此再利用MATLAB工具箱[21]中的fspecial函數(shù)建模并用維納濾波方法(deconvwnr函數(shù))來對(duì)圖像進(jìn)行平滑處理,恢復(fù)運(yùn)動(dòng)模糊。 預(yù)處理結(jié)束后,采用改進(jìn)混合高斯模型進(jìn)行圖像的目標(biāo)(太陽活動(dòng))提取。首先確定高斯分布的個(gè)數(shù)K。本文分別統(tǒng)計(jì)了3組數(shù)據(jù)中多個(gè)位置的背景像素的變化,發(fā)現(xiàn)3組數(shù)據(jù)集中大部分的模擬背景像素分別符合4個(gè)高斯分布的疊加,因此本文采用4個(gè)高斯分布作為數(shù)據(jù)集的模擬高斯的個(gè)數(shù)。接著初始化混合高斯背景模型,經(jīng)過實(shí)驗(yàn),本文采用圖像序列第1幅Hα圖像做初始背景,以第1幅圖像同位置的像素值作為對(duì)應(yīng)的均值,同時(shí)方差取比較大的值,第1個(gè)高斯分布取較大的權(quán)重(本文取0.994),其他都取較小值來進(jìn)行初始化。從理論上來說,混合高斯背景建模應(yīng)該是一種較為完美的背景分割方法。但在發(fā)生光線突變時(shí),導(dǎo)致其檢測(cè)效果下降,為了解決該問題本文將三幀差分法對(duì)于光照變化不敏感的優(yōu)勢(shì)和混合高斯模型不容易出現(xiàn)“空洞”現(xiàn)象的優(yōu)勢(shì)相結(jié)合,克服了光照漸變帶來的影響。初始化后讀入數(shù)據(jù),利用三幀差分法先得到運(yùn)動(dòng)區(qū)域F1,用當(dāng)前幀與F1做差得到F2,將F2作為背景區(qū)域更新到混合高斯模型的主背景分布中建立圖像序列中每個(gè)時(shí)刻圖像的動(dòng)態(tài)背景模型[22]。符合高斯分布后進(jìn)行參數(shù)更新。用觀測(cè)圖像減去背景得到前景圖像,得到的前景圖像就是正在爆發(fā)的太陽活動(dòng)。雖然改善了光照突變帶來的影響,但在提取出來的前景圖像中依然會(huì)存在面積較小的干擾點(diǎn)。這些點(diǎn)會(huì)對(duì)后續(xù)的檢測(cè)造成一定的影響。由于暗條、耀斑面積通常大于3×108km2[24],所以小于該值的面積一般為小耀斑,引起顯著日地效應(yīng)的概率不大,所以不是本文的關(guān)注對(duì)象。(將3×108km2換算到實(shí)驗(yàn)數(shù)據(jù)中圖像上像素的大小,經(jīng)過計(jì)算在數(shù)據(jù)集Ⅰ上面積為376,數(shù)據(jù)集Ⅱ上為468)。因此本文算法利用MATLAB工具[21]箱中的bwareaopen函數(shù)清除掉這些區(qū)域,最后完成檢測(cè)操作。 (1)判斷太陽活動(dòng)類型。由于暗條的平均亮度要低于太陽日面的平均亮度,而耀斑的平均亮度要高于太陽日面的平均亮度。因此檢測(cè)出太陽活動(dòng)后標(biāo)記在原圖像上。計(jì)算該區(qū)域強(qiáng)度的平均值和整個(gè)圖像強(qiáng)度的平均值,如果該區(qū)域強(qiáng)度平均值小于整個(gè)圖像的強(qiáng)度平均值,則該區(qū)域?yàn)榘禇l活動(dòng),反之為耀斑活動(dòng); (2)計(jì)算耀斑活動(dòng)時(shí)間。耀斑的開始時(shí)刻即是程序識(shí)別出耀斑的時(shí)刻;峰值時(shí)刻即是耀斑面積最大時(shí)刻;耀斑面積回到耀斑前狀態(tài)即為結(jié)束時(shí)刻。因此利用MATLAB軟件工具[21]箱中的regionprops函數(shù)分別計(jì)算每一幀耀斑(前景圖像)的面積來確定耀斑的開始、峰值和結(jié)束時(shí)刻; (3)計(jì)算耀斑級(jí)別。傳統(tǒng)上,根據(jù)Hα耀斑極大時(shí)經(jīng)投影改正后的面積大小,把耀斑分為4個(gè)等級(jí)[24]。耀斑等級(jí)劃分標(biāo)準(zhǔn)[24]如表1所示(R⊙代表太陽半徑)。因此將識(shí)別的耀斑面積投影改正到日面中心的面積,再換算成平方度對(duì)照表1得到耀斑級(jí)別。 表1 耀斑等級(jí)劃分標(biāo)準(zhǔn) 在Hα的色球觀測(cè)圖像中的太陽活動(dòng)特征為耀斑、暗條和日珥。耀斑在日面和日面邊緣均能發(fā)生,暗條是發(fā)生在日面上的,在日面邊緣的叫日珥,因此挑選出的實(shí)驗(yàn)數(shù)據(jù)集均包含上述特征。本研究選用了來做兩個(gè)不同觀測(cè)設(shè)備在Hα波段上的觀測(cè)資料。數(shù)據(jù)集 I 和 Ⅱ 來自中國科學(xué)院國家天文臺(tái)懷柔太陽觀測(cè)基地全日面光學(xué)和磁場(chǎng)監(jiān)測(cè)系統(tǒng)觀測(cè)的Hα色球資料。其中懷柔觀測(cè)的數(shù)據(jù)所采用的望遠(yuǎn)鏡的主要參數(shù):口徑20 cm,有效焦距180 cm,配備半寬0.25 ?的Lyot雙折射濾光器,濾光器放在準(zhǔn)直光路中,探測(cè)器有效像元數(shù)為2 712×2 712[23-24],像元分辨率為0.863 39″。數(shù)據(jù)集 Ⅲ 是來自Gong的Hα觀測(cè)資料數(shù)據(jù)集,其有效像元數(shù)為2 048×2 048。數(shù)據(jù)集 I 包含日面和日面邊緣的耀斑和暗條爆發(fā),也包含1個(gè)日面上的小耀斑。數(shù)據(jù)集 Ⅱ 包含日面上的大耀斑。數(shù)據(jù)集 Ⅲ 包含日面上的中等強(qiáng)度耀斑和暗條爆發(fā)。所有數(shù)據(jù)集的時(shí)間分辨率均為60 s。數(shù)據(jù)集 I 的觀測(cè)時(shí)間是2013/05/12/ 23:01 UT到2013/05/13/ 04:22 UT共255幀圖像。數(shù)據(jù)集 II 是2013/05/14/ 22:42 UT到2013/05/15/ 03:05 UT共135幀圖像。數(shù)據(jù)集 Ⅲ 是從2015/11/04/ 03:10 UT到2015/11/04/ 08:48 UT共309幀圖像。 首先對(duì)數(shù)據(jù)集 I 進(jìn)行實(shí)驗(yàn)。預(yù)處理結(jié)束后設(shè)置三幀差分法的閾值T=27。設(shè)置GMMs的初始參數(shù):采用4個(gè)高斯分布來模擬背景,權(quán)值第1位參數(shù)取0.994, 其余取等權(quán)0.002。方差為25,學(xué)習(xí)率α為0.005。經(jīng)過多次實(shí)驗(yàn)調(diào)整,設(shè)置背景分布閾值T為0.7,均值第1位參數(shù)取第1幀圖像同位置的像素灰度值,其余均為0。經(jīng)過實(shí)驗(yàn)得到結(jié)果。圖1第1行從左至右分別表示的是數(shù)據(jù)集 I 中的第146幀(2013/05/13/ 02:26UT)和147幀(2013/05/13/ 02:27UT)的部分原始Hα圖像,正在爆發(fā)的耀斑活動(dòng)由圓圈出;圖1第2行表示三幀差分法對(duì)以上兩幀檢測(cè)出的前景圖像;圖1第3行表示傳統(tǒng)GMMs對(duì)以上兩幀檢測(cè)出的前景圖像;圖1第4行表示本文算法對(duì)以上兩幀檢測(cè)出的前景圖像。由圖1第2行可知,三幀差分得到的結(jié)果會(huì)有“空洞”現(xiàn)象;由圖1第3行可知,雖然檢測(cè)出了耀斑活動(dòng),但會(huì)有很多噪聲點(diǎn)對(duì)計(jì)算耀斑數(shù)據(jù)造成影響,導(dǎo)致識(shí)別率降低;由圖1第4行可知,本文算法可以較好地檢出耀斑區(qū)域。 圖1 算法比較圖 根據(jù)檢測(cè)結(jié)果計(jì)算得到結(jié)論:在日面邊緣位置(819″,517″)處編號(hào)為NOAA AR 11748的活動(dòng)區(qū)有太陽耀斑爆發(fā)。根據(jù)耀斑面積隨時(shí)間的變化計(jì)算出耀斑的開始時(shí)刻為2013/05/13/ 02:09 UT、峰值時(shí)刻為2013/05/13/ 02:32 UT,結(jié)束時(shí)刻為2013/05/13/ 03:16 UT。經(jīng)過計(jì)算得到數(shù)據(jù)集Ⅰ的平方度約為9.673,查詢表1可知該耀斑級(jí)別為2。最后將爆發(fā)的耀斑活動(dòng)位置標(biāo)記在原始Hα圖像上。通過查詢Solarmonitor網(wǎng)站,可以得到地球靜止環(huán)境業(yè)務(wù)衛(wèi)星(Geostationary Operational Environmental Satellites,GOES)給出的耀斑數(shù)據(jù),如圖6第1行。對(duì)比兩組時(shí)間可知,本文的檢測(cè)結(jié)果和GOES衛(wèi)星給出的時(shí)間段大致相同(時(shí)間上的偏差由于地面觀測(cè)時(shí)間分辨率設(shè)置的不同)。圖2中紅色部分表示的是耀斑活動(dòng)(峰值時(shí)刻)在Hα圖像中的位置。 圖2 耀斑活動(dòng)在原Hα圖像中的位置 圖3 算法比較圖 再對(duì)數(shù)據(jù)集 Ⅱ 進(jìn)行實(shí)驗(yàn),三幀差分法的閾值T=30。設(shè)置GMMs的初始參數(shù):采用4個(gè)高斯分布來模擬背景,權(quán)值第1位參數(shù)取0.994, 其余取等權(quán)0.002。方差為20,學(xué)習(xí)率α為0.006。背景分布閾值T為0.65,均值第1位參數(shù)取第1幀圖像同位置的像素灰度值,其余均為0。經(jīng)過實(shí)驗(yàn)得到結(jié)果。圖3第1行左邊表示數(shù)據(jù)集 Ⅱ 中的第73幀(2013/05/15/ 01:51UT)的部分原始Hα圖像,正在爆發(fā)的耀斑活動(dòng)由圓圈出;圖3第1行右邊表示三幀差分法對(duì)該幀檢測(cè)出的前景圖像;圖3第2行左邊表示傳統(tǒng)GMMs對(duì)該幀檢測(cè)出的前景圖像;圖3第2行右邊表示本文算法對(duì)該幀檢測(cè)出的前景圖像。由圖3可知,三幀差分法和傳統(tǒng)GMMs會(huì)帶來識(shí)別率降低的問題。本文算法可以很好的避免光照突變帶來的誤檢測(cè)現(xiàn)象,并檢測(cè)出耀斑區(qū)域。 根據(jù)檢測(cè)結(jié)果計(jì)算得到結(jié)論:在日面邊緣位置(739″,443″)處編號(hào)為NOAA AR 11748的活動(dòng)區(qū)有太陽耀斑爆發(fā)。根據(jù)耀斑面積隨時(shí)間的變化計(jì)算出耀斑的開始時(shí)刻為2013/05/15/ 01:36 UT、峰值時(shí)刻為2013/05/15/ 01:54 UT,結(jié)束時(shí)刻為2013/05/15/ 02:16 UT。數(shù)據(jù)集 Ⅱ 的平方度約為6.521,查詢表1可知該耀斑級(jí)別為2。查詢Solarmonitor網(wǎng)站,得到GOES衛(wèi)星給出的耀斑數(shù)據(jù),如圖6第2行。對(duì)比兩組時(shí)間可知,本文的檢測(cè)結(jié)果和GOES衛(wèi)星給出的時(shí)間段大致相同(時(shí)間上的偏差由于地面觀測(cè)時(shí)間分辨率設(shè)置的不同)。圖4中亮點(diǎn)部分表示的是耀斑活動(dòng)(峰值時(shí)刻)在Hα圖像中的位置。 為驗(yàn)證該算法的有效性,最后對(duì)數(shù)據(jù)集 Ⅲ 進(jìn)行相同操作,并得到實(shí)驗(yàn)結(jié)果。在2015/11/04/ 03:46 UT,日面位置為(167″,34″)處編號(hào)為NOAA AR 12443的活動(dòng)區(qū)有劇烈的暗條活動(dòng)發(fā)生。同時(shí)伴隨著1個(gè)較小級(jí)別的太陽耀斑爆發(fā),經(jīng)過計(jì)算得到該耀斑的級(jí)別為S級(jí)。在日面位置(921″,256″)處編號(hào)為NOAA AR 12445的活動(dòng)區(qū)有太陽耀斑爆發(fā)。耀斑的開始時(shí)刻為2015/11/04/ 03:20 UT、峰值時(shí)刻為2015/11/04/ 03:24 UT,結(jié)束時(shí)刻為2015/11/04/ 04:27 UT,耀斑級(jí)別為1。圖5中亮點(diǎn)部分表示的是耀斑活動(dòng)(峰值時(shí)刻)在Hα圖像中的位置,灰條部分表示暗條活動(dòng)和伴隨它發(fā)生的小級(jí)別耀斑活動(dòng)在Hα圖像中的位置。GOES衛(wèi)星給出的耀斑數(shù)據(jù)如圖6第3行。本文的檢測(cè)結(jié)果和GOES衛(wèi)星給出的時(shí)間段大致相同。 圖4 耀斑活動(dòng)在原Hα圖像中的位置 根據(jù)3組數(shù)據(jù)和GOES衛(wèi)星的數(shù)據(jù)對(duì)比可以驗(yàn)證本文算法的有效行。表2是3種方法對(duì)耀斑檢測(cè)后計(jì)算得到的誤檢率。根據(jù)圖1、圖3和表2組可知,本文成功檢測(cè)耀斑和暗條的基礎(chǔ)上,改善了混合高斯模型固有的光照變化檢測(cè)不佳的問題,提高了檢測(cè)耀斑等太陽活動(dòng)的準(zhǔn)確度。 圖5 耀斑和暗條活動(dòng)在原Hα圖像中的位置 圖6 GOES衛(wèi)星給出的耀斑數(shù)據(jù)(Solarmonitor網(wǎng)站) 表2 3種算法對(duì)應(yīng)的誤檢率 太陽活動(dòng)和地球空間環(huán)境有著密不可分的關(guān)系,對(duì)其活動(dòng)爆發(fā)進(jìn)行識(shí)別和跟蹤有著重要的意義。本文將改進(jìn)的混合高斯模型引入到太陽活動(dòng)檢測(cè)中,提出一種利用混合高斯背景差分模型建立動(dòng)態(tài)背景來檢測(cè)Hα圖像上正在爆發(fā)的太陽活動(dòng)識(shí)別算法。本文分別對(duì)3組來自中國科學(xué)院國家天文臺(tái)懷柔太陽觀測(cè)基地和GONG的數(shù)據(jù)進(jìn)行實(shí)驗(yàn)。首先對(duì)圖像進(jìn)行歸一化和維納濾波處理,再利用三幀差法快速得到背景圖像,更新到混合高斯模型主背景分布中建立穩(wěn)定的Hα圖像動(dòng)態(tài)背景,實(shí)現(xiàn)運(yùn)動(dòng)目標(biāo)(太陽活動(dòng))的提取。本文算法在成功識(shí)別太陽耀斑、暗條活動(dòng),并計(jì)算出了耀斑、暗條活動(dòng)的日面位置(邊緣、日面)。再根據(jù)耀斑面積的變化計(jì)算出耀斑的級(jí)別(C、M、X級(jí))的同時(shí),還提高了檢測(cè)到準(zhǔn)確率。本算法的耀斑檢測(cè)結(jié)果和GOES衛(wèi)星給出的耀斑級(jí)別和時(shí)間一致,從而驗(yàn)證了算法的有效性。相比GOES衛(wèi)星對(duì)整個(gè)日面的流量監(jiān)測(cè),本算法不僅可以從Hα序列圖像的識(shí)別結(jié)果中給出耀斑級(jí)別,開始、峰值和結(jié)束時(shí)刻,還可以給出耀斑、暗條等太陽活動(dòng)特征對(duì)應(yīng)的日面位置,對(duì)基于我國現(xiàn)有地基觀測(cè)的Hα色球數(shù)據(jù)開展太陽活動(dòng)實(shí)時(shí)監(jiān)測(cè)預(yù)警具有重要意義。此外,GOES主要是反應(yīng)太陽日冕活動(dòng)現(xiàn)象,相比較而言,Hα圖像反應(yīng)的則是更低層次即色球的物理過程,能更好地反應(yīng)太陽活動(dòng)的源區(qū)特性,因此對(duì)于太陽物理有著重要意義。雖然改進(jìn)混合高斯模型算法的會(huì)導(dǎo)致計(jì)算量變大,運(yùn)算時(shí)間變長,但是卻提高了探測(cè)耀斑的準(zhǔn)確度。對(duì)于耀斑而言提高其檢測(cè)的準(zhǔn)確度比檢測(cè)速度對(duì)監(jiān)測(cè)預(yù)警來說有著更重要的作用。3 太陽Hα圖像特征檢測(cè)方法過程
3.1 圖像預(yù)處理
3.2 運(yùn)動(dòng)目標(biāo)提取與檢測(cè)
3.3 太陽活動(dòng)相關(guān)數(shù)據(jù)計(jì)算
4 實(shí)驗(yàn)結(jié)果與分析
5 討論