基于機器學習的日冕儀圖像分類方法研究

作者：單家輝,封莉,袁漢青,張巖,鐘忺,甘為群,黎輝,黃宇

摘要：日冕物質拋射(Coronal Mass Ejection,CME)的檢測是建立CME事件庫和實現對CME在行星際傳播的預報的重要前提.通過Visual Geometry Group(VGG)16卷積神經網絡方法對日冕儀圖像進行自動分類.基于大角度光譜日冕儀(Large Angle and Spectrometric Coronagraph Experiment,LASCO)C2的白光日冕儀圖像,根據是否觀測到CME對圖像進行標記.將標記分類的數據集用于VGG模型的訓練,該模型在測試集分類的準確率達到92.5%.根據檢測得到的標簽結果,結合時空連續性規則,消除了誤判區域,有效分類出CME圖像序列.與Coordinated Data Analysis Workshops(CDAW)人工事件庫比較,分類出的CME圖像序列能夠較完整地包含CME事件,且對弱CME結構有較高的檢測靈敏度.未來先進天基太陽天文臺(Advanced Space-based Solar Observatory,ASO-S)衛星的萊曼阿爾法太陽望遠鏡將搭載有白光日冕儀(Solar Corona Imager,SCI),使用此分類方法將該儀器產生的日冕圖像按有無CME分類.含CME標簽的圖像將推送給中國的各空間天氣預報中心,對CME進行預警.

發文機構：中國科學院紫金山天文臺 中國科學院暗物質和空間天文重點實驗室 武漢理工大學計算機科學與技術學院 中國科學技術大學天文與空間科學學院 南京大學計算機軟件新技術國家重點實驗室

關鍵詞：太陽:日冕物質拋射技術:圖像處理方法:數據分析Sun:coronal mass ejections(CMEs)techniques:image processingmethods:data analysis

分類號： P182[天文地球—天文學]