导读:本论文主要论述了日冕图像论文范文相关的参考文献,对您的论文写作有参考作用。
(昆明理工大学信息与自动化学院,昆明 650504)
(Faculty of Information Engineering and Automation,Kunming University of Science and Technology,Kunming 650504,China)
摘 要：本文介绍了自主检测日冕物质抛射的应用程序,我们所用到的日冕物质抛射图像数据来源于LASCO(Large Angle Spectrometric Coronagraph).这个应用程序的关键是在(time,height)图中将Cme进行Hough变换成明亮的脊线.第二步,使用和形态学标识出不同的Cmes.这个程序的输出事件列表类似于传统的人工目录,它也包含Cmes的起始时间,主角,角宽度和速度.与人工操作相比,自动监测方法可以在每天24小时内没有人工干预的情况下把Cmes被检测出来.因此,这种自动检测方法不仅快,而且客观.
Abstract: This paper introduced the independent testing application of coronal mass ejections. The coronal mass ejections image data is from LASCO(Large Angle Spectrometric Coronagraph). The key of this program is to tran论文范文orm Cme into bright ridges by Hough in the (time,height)diagram. Secondly, to mark different Cmes with morphology. This program&,acute,s output event list similar to the traditional manual directory. It also contains the start time, main angle, angular breadth and speed. Compared with manual operation, the automatic monitoring method can detect the Cmes 24h a day without manual intervention. So this detection method is not only rapid but also objective.
关键词：日冕物质抛射；Hough变换；自动检测
Key words: coronal mass ejections；Hough tran论文范文orm；automatic detection
中图分类号：P182.6+2 文献标识码：A 文章编号：1006-4311(2015)30-0207-02
0 引言
早期,对于日冕抛射物质的检测,主要是有经验的科技工作者通过检查连续的日冕观测图像判别是否有Cmes产生,这种方法很准确但是效率很低,而工作量巨大.因此,我们开发了一种软件CACTus(“Computer Aided CME Tracking”)用于检测日冕图像的日冕物质抛射.Berghmans et al. (2002a,b)[1]介绍了早期的CACTus软件包.本论文主要介绍对CACTus的改进机制.这个方法包含了两个步骤①图像处理,②特征提取.第二部分主要介绍的是图像预处理模块,该模块融合了c2和c3图像,提高了Cme(coronal mass ejections)之间的对比度.将c2与c3图像进行合并并经证明较之早期版本是比较优良的改进操作,在此操作中应注意不同的时空分辨率.第三部分是主要介绍图像识别模块.由于靠近c3日冕最边缘的信噪比变得很低,所以此部分最难的部分是Cme运动提取.因此,Cme信号提取后,该模块使用聚类和形态学闭运算将这些日冕物质区分开来.第四部分主要是人工检测Cmes方法和自动检测Cmes方法对比分析.
1. 图像处理模块
初始的Lasco图像(在http://sohowww.nascom.nasa.gov可以看近期图像)包括准静态k冕流结构和一些缓慢移动的恒星,行星和彗星,F冕,还有一些仪器发散的杂光,因此不适合日冕物质抛射的检测.此外,由于Cme间的对比度降低,视场边缘处噪声急剧增加,Cme很难被检测出.日冕图像有很高的空间分辨率,远远超出了我们检测日冕物质对图像的需要.一个典型的日冕在亮度上有很微弱的变化,只能从某些时刻图像中看到.基于这些原因,我们需要识别出在大量数据中呈现出亮度变化的微弱的信号.如果对1024*1024的图像直接使用图像识别模块会导致非常大的计算工作.为了避免以上情况,使用图像处理模块重新格式化初始图像：
①读入从LASCO C2和C3得到的LEVEL 0.5图像,使用论文范文时光标准化并且移除明亮的点状源(行星或恒星,宇宙射线撞击产生的).
②将图像从直角坐标(x,y)转换到极坐标 (θ, r).将(x,y)下的1024*1024图像转换为182*34的c2(θ, r) FOV和180*197的c3(θ,r)FOV.2003年的研究表明这种低分辨率图像适合CACTus区分Cme的种类,并且增加了信噪比,显著加速了程序运行效率.
③对于Cme通道中的每一个极坐标[θ, r]下的像素值都有一个正的偏差值.Cme的对比通常是用ΔB/Bbg.ΔB是指日冕中亮度差的最大值,Bbg指的是背景亮度.Sime和Hundhausen (1987)[2]指出ΔB/Bbg变化范围为百分之几.跟以往不同的是,改进程序不再使用一张背景图片,这里使用差分图像并且逐像素的将差分图像的尺寸扩大到原始图片的大小.最终求得某个像素强度Bt的值是：
事实上ΔB是δB/δt(因为图像没必要要求等时间间隔)我们不使用背景图片,而使用差分图像,这个过程输出的是[θ,r,t],这个结果比之前输入的要小很多.并且其中很多非Cme信号被去除或强烈地衰减.
2. 图像识别模块
为了应用特征识别技术检测日冕物质抛射,我们需要清楚地了解Cme的定义.Hundhausen et al.[3,4] (1984； Munro et al. 1979)给出了Cme的定义,指出日冕结构在几分钟或者几小时的明显变化,在日冕仪图像中呈现的一种新的,离散的,明亮的白光.现在我们稍微改一下这个定义,日冕是指是一种日冕仪器拍摄的新产生的,离散的,明亮的有着径向向外速度(Schwenn 1995)[5]的白光.
实验证明图像分割技术不能用在自动检测每个日冕图像的日冕的位置和范围方面.Cme表面上的多变性使得不容易识别出它们的范围,特别是它们的尾部边缘,而且很容易和其他的日冕抛射融合在一起.因此,我们不在极坐标图像检测Cme,而是着眼于[θ,r,t] 数据立方体中θ对应的[t,r]切片.如果角度为θ的[t,r]切片穿过Cme,则会在t,r]切片中看到明亮的脊线.1999年sheeley et al首次在[t,r]切片中检测Cmes. [t,r]切片和Cmes脊线都在预处理模块处理的图像中,这样的话图像就有了更好的对比度并且包含了低噪声.
使用[t,r]切片的好处在于所有的Cmes看起来是一样的,甚至亮度较弱的Cme也能清晰显示出来,而且斜脊线的检测自然满足上述指定径向向外移动特性的必要条件,最令人兴奋的是,Cme的运动速度可以从Cme的倾角中得到.
Hough变换在1997年被用于在噪声中检测出直线,在1999年被用于LASCO/c2图像中检测极羽.每条在[t,r]霍夫空间的直线可以通过两个变量t0和Δt参数化表示.RMIN和RMAX对应的边缘视场在径向方向.Δt为CME花费在视场中的时间.描述这条直线的方程：
修正的霍夫变换线性拟合是在[t0,Δt]平面(所谓的累加器空间)的一个点与该强度的沿着相应的积分线中的原始图像.然后(t0,Δt)空间局部最大值在原始的的图像中呈现出不同的直线.这里使用修正的霍夫变换拟合(t,r)切片.在这一步骤中,把时间间距不等的图片也考虑进去,如果图像的时间间距是相等的,脊线就看起来像一条直线.在变换空间中,使用信号滤波器,选出一些重要的信号.(t,r)切片中每一个角度为θR的脊R可以用起始时间 tR,速度vR(～Δ1t)和亮度IR来表示.我们可以通过让每一个脊线[vR,θR,tR]等于IR,建立一个数据立方体[VR,θR,TR]等于IR.
由于Cme是个大尺度的结构,每个角度对应的起始时间和速度只是很小的变化.这就意味着[θ,r,t]数据立方体中的Cme可以用数据点的密集群表示.检测Cmes的问题就转化为在3维散布图中识别集群.我们仅仅沿着速度方向集成[v,θ,t]立方体,并且将[θ,t]Cme概观图中集群的位置确定为Cme发生的时间和跨越角度.在论文的算法中我使用一些阈值来限制假的Cme的数量.
日冕之恋:NASA：公布太阳“日冕物质抛射”延时图像 [看东方]
3. 对比分析
实验表明,根据日冕图像序列自动监测Cmes是可行的,主要是估计日冕抛射物质的起始时间、主角、角的宽度、速度并且像人工监测日冕物质抛射一样得到一个日冕目录.当前版本的程序在实时且几乎相同的起始时间和主要角的基础上,几乎恢复目录中的所有的Cmes.CACTus发现了的Cmes的个数将近是人工检测目录中Cmes个数的3倍.CACTus目录中包含了一些变化比较弱的Cmes,而这些在人工检测中被当作“gusty outflow”而检测不到.虽然如此,人工检测的Cmes也符合第三部分给出的Cme的定义.在某些情况下,CACTus去除了目录中一些不重要的Cme,只留下了一些重要的Cme.当分析大量的Cme数据时,前面的有关于Cme的统计可以起着重要的参考作用.人工目录也不是100%正确,因为CACTus确实发现了一些目录中没有的确定的Cmes.
4. 结论
较之前的人工检测方法,CACTus有许多优势.但CACTus并不是完美无缺的,一些改进工作也正在进行,例如：Cme加速度的确定等.该程序应用于空间天气预测方面,不仅Cme的速度而且它的强度和质量都是一些重要参数.CACTus软件的输出结果可以被当作一些自动实时程序的输入数据,而用于每天的天气预报.
参考文献：
[1]Berghmans, D. 2002b, ESA SP-506, 85.
[2]Sime, D. G., &, Hundhausen, A. J. 1987, JGR, 92, 1049.
[3]Hundhausen, A. J. 1993, JGR, 98, 177.
[4]Hundhausen, A. J., Sawyer, C. B., House, L., et al. 1984, JGR, 89,2639.
[5]Schwenn, R. 1995, International Solar Wind 8 Conf., 45.
日冕图像范文
日冕之恋参考文献总结:
关于对不知道怎么写日冕图像论文范文课题研究的大学硕士、相关本科毕业论文日冕图像论文开题报告范文和文献综述及职称论文的作为参考文献资料下载。
