一种层次化的太阳黑子快速自动识别方法
太阳黑子的观测与识别是太阳物理学的重要任务.通过对太阳黑子的观测与分析,太阳物理学者可以更准确地分析以及预测太阳活动.随着观测仪器的不断进步,太阳全日面图像数据量也在快速增长.为了快速、准确地进行太阳黑子的自动识别和标注,本文提出了一种两层的太阳黑子识别模型.第一层模型采用深度学习模型YOLO,并使用基于交并比的k均值算法优化YOLO的参数,最终的YOLO模型能够识别绝大多数较大黑子和黑子群,仅有极少数孤立的本影较小的黑子未能识别.为进一步提高这类小黑子的识别率,第二层模型采用AGAST特征检测算法专门识别遗漏的小黑子.在SDO/HMI太阳黑子数据集上的实验结果表明,应用本文的层次化模型,各种形态的太阳黑子均能被有效识别,且识别速率高,从而能够实现实时太阳黑子检测任务.
太阳黑子、目标识别、YOLO、卷积神经网络、k均值算法、AGAST
47
TP391(计算技术、计算机技术)
国家自然科学基金资助项目;中国科学院光电技术研究所大学生创新实践训练计划
2020-08-27(万方平台首次上网日期,不代表论文的发表时间)
共11页
37-47