基于机器学习的极光图像自动分割方法

摘要：

极光是太阳风能量注入到极区的指示器,从观测视野中准确分割出极光区域对研究极光演变如亚暴过程有非常重要的意义.本文基于全卷积神经网络提出了一种弱监督极光图像自动分割策略,数据标记时仅需指定极光区域的一个像素点即可,极大解决了机器学习人工标注数据的压力.首先利用简单单弧状极光图像训练一个初始分割模型 Model 1,然后基于该模型,结合热点状和复杂多弧状极光图像获得一个增强的分割模型Model 2,最后对分割结果做进一步优化.本文对2003—2007年北极黄河站越冬观测的 2715 幅极光图像进行了分割,并和最新论文结果及人工标签进行了定量和定性比较,其中分割结果与人工标签的"交并比"高达60%,证明了本文方法的有效性.

关键词：全天空极光图像、分割、全卷积神经网络

所属期刊栏目：63

分类号：P352(空间物理)

资助基金：国家自然科学基金项目;中央高校基本科研业务费专项基金项目;陕西省高校科协青年人才托举计划项目

在线出版日期：2020-03-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：63-72