基于U-net的紫外极光观测极光卵形态提取

摘要：

极光卵形态提取是极光研究的重要手段.如何提高强干扰背景下的紫外极光图像极光卵形态提取精度,目前仍是一个难题.本文提出一种基于深度学习语义分割模型U-net的方法,实现了对极光卵形态的高精度提取.在Polar卫星紫外极光观测数据的实验结果表明,该方法相比于已有算法精度更高,对完整型极光卵和缺口型极光卵图像均能得到更加精确的提取结果,特别是针对强日辉干扰、灰度不均匀和对比度低情况下的紫外极光图像时,该方法显示了明显优势.

关键词：紫外极光观测;极光卵形态提取;U-net模型

所属期刊栏目：41

分类号：P353(空间物理)

资助基金：中国科学院"十三五"信息化建设专项;北京市科技计划空间科学大数据管理与应用服务平台建设课题项目

在线出版日期：2021-09-14（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：667-675