基于圖論的日冕暗化現象提取技術研究.pdf

1、日冕物質拋射(Coronal Mass Ejection，CME)是太陽表面最劇烈的大尺度爆發(fā)過程之一，它是影響近地空間環(huán)境和驅動日地空間災害性天氣的最主要太陽爆發(fā)事件。理解CME的物理機制和起源以及建立CME預報系統(tǒng)是太陽物理的研究熱點，也是空間天氣預測和模型建立的基礎。作為CME的一個重要的伴隨物理現象，日冕暗化現象被認為是和CME緊密相關的一個重要的日面現象，因此本文將日冕暗化事件作為研究對象。當前的研究已逐漸深入到CME與暗化現

2、象的定量物理關系，這就要求我們能夠對日冕暗化發(fā)生的區(qū)域進行準確的定位。同時，隨著觀測水平的不斷提高，得到的觀測數據越來越多，而現有的暗化提取技術卻發(fā)展緩慢，亟待提高。本文擬利用基于圖論的Graph Cuts方法和日冕暗化圖像的梯度、紋理、暗化先驗知識等信息，研究多種暗化現象的提取工作，實現日冕圖像暗化區(qū)域的自動精確地提取，為進一步研究暗化與CME的相關性提供基礎。
　　本文首先介紹日冕暗化現象主要觀測手段和提取方法的研究現狀，然后

3、概述相關背景和技術基礎知識。接著本文圍繞日冕暗化提取方法主要做了3個方面的研究。
　　(1)提出了日冕暗化圖像種子點提取方案。首先結合日冕暗化BD圖和PBD圖的顯著圖以及暗化先驗知識得到圖像的初始種子點，然后使用改進的k-means算法對種子點進行聚類，最后使用暗化現象的經驗閾值成功得到最終的種子點，整個過程無需人工干預。
　　(2)提出了融合紋理和梯度信息的日冕暗化圖像提取方案。結合Gabor小波濾波器的多通道降維特性，使

4、用Gabor小波濾波器提取日冕圖像的紋理特征，并結合日冕圖像的梯度特征共同計算Graph Cuts算法中圖像的權值。同時，將第一次提取的暗化區(qū)域結果作為粗提取結果，進行二次提取，得到最終的暗化區(qū)域提取結果。最后通過實驗證明了該提取方案的有效性。
　　(3)開發(fā)了日冕圖像暗化區(qū)域自動提取系統(tǒng)。采集1997年-2014年間包含不同暗化現象的130幅日冕暗化圖像，構建了日冕暗化現象的圖像庫和基準庫。同時，在研究提取算法的基礎上，設計了日