[发明专利]一种结合目标检测的小目标语义分割太阳暗条检测方法

说明书

本发明公开了一种结合目标检测的小目标语义分割太阳暗条检测方法。首先对Hα全日面图像进行预处理，在图片上做手工标注，按比例划分为检测模型的训练集和验证集；构建语义分割网络，通过数据集训练网络得到整体语义分割模型，选出测试集检测效果最好的训练模型；根据数据集提供的像素级真实标记图，裁剪小目标图像块，制作小目标数据集；通过第三步得到的小目标检测数据集训练目标检测网络，得到目标检测模型；接着设计针对小目标分割的语义分割网络，并用得到的小目标分割数据集训练该网络；最后将测试图像输入整体语义分割模型和小目标检测网络。本发明很大程度上改善了传统太阳暗条识别方法的整体性能，提高弱小暗条及暗条边缘的检测精度。

技术领域

本发明涉及图像处理技术领域，尤其涉及一种结合目标检测的小目标语义分割太阳暗条检测方法。

背景技术

太阳暗条是一种存在于日冕中充斥着低温高密度等离子体的结构。暗条之间存在着不小的差异，比如其外观、尺寸以及稳定存在的时间。有些暗条占据太阳半个表面，而有些暗条仅是在日面边缘的一个火舌状物质。在全日面太阳图像的观测中，由于暗条对底层大气背景辐射有显著的吸收效果，导致暗条比日冕温度低，因此在太阳背景下显示为细长暗黑色的条形结构。通常情况下，暗条的温度比周围的日冕低，但密度却要高。在H波段观测中，暗条像一条拉伸弯曲的暗黑色带状物，其间伸出若干分叉、倒钩。暗条爆发分为两大类，一类是整个暗条向上运动爆发。另一类暗条爆发是从暗条一端开始上升并脱离色球，而另一端始终扎根于色球。不仅如此，有时大尺度的不稳定性会破坏暗条的准静态平衡，导致暗条的爆发。暗条的爆发与耀斑和日冕物质抛射的产生有着千丝万缕的关系。当太阳活动增强时会释放出巨大的辐射能量，并向地球释放大量电磁波与高能粒子，这会破坏地球的空间环境，影响无线电波通信、产生″磁暴″、极光现象、自然灾害等。

暗条通常沿着磁场极性反转线出现，高度从色球一直延伸到日冕，这些特点使得我们可以通过研究大量暗条的演化来跟踪和分析太阳磁场。因此，太阳暗条不仅对地球有显著影响，而且它们经常被用来确定气象图中磁中性线的位置。研究太阳暗条不仅可以提高太阳活动对地球影响的预报能力以及利用暗条进行一些磁场物理量的确定，还可以为研究太阳磁场提供依据，因此，对太阳暗条检测及统计分析都具有重要的现实意义。

在如今的信息化时代潮流中，随着天文学研究的不断发展和我国天文观测台的不断扩大，天文观测技术也在一步一步完善。其中太阳观测技术取得了许多显著的效果，天文台产生的数字太阳图像的数量和信息数据也在迅速呈指数增长。随着观测设备的不断进步，目前所获取到的太阳全日面图像和局部图像的分辨率越来越高，天文台观测到的这些太阳全日面图像包含了多种太阳活动信息，我们通过对太阳活动的分割将其单独进行整理分析，从而更加准确的做出太阳活动预报。但是目前并没有通过系统的分析对比得出最适合太阳图像的检测分割方法，传统方法对弱小暗条检测精度不高，所以有效的处理所获取的太阳暗条图像，如何精准的识别并分割出太阳图像中的暗条是要解决的核心问题。

发明内容

本发明的目的在于提供一种结合目标检测的小目标语义分割太阳暗条检测方法，用于解决现有暗条检测方法对于在Hα全日面图像上具有不均匀强度的图像，会将强度太低的位置识别为暗条，这些位置的强度特征与暗条具有很强的相似性，导致网络出现漏判和误判图像以及检测精度低的问题。

为解决上述技术问题，本发明的技术方案如下：一种结合目标检测的小目标语义分割太阳暗条检测方法，包括以下几个步骤：

步骤1，准备数据集，对太阳Hα全日面图像进行预处理操作，采用中值滤波对图像降噪处理，接着对数据集进行数据增强技术；最后进行手工标注，按比例划分为检测模型的训练集和验证集；

步骤2，构建Gated-SCNN语义分割网络，通过Hα全日面图像数据集训练网络得到整体语义分割模型，选出测试集检测效果最好的训练模型；

步骤3，根据数据集制作的真实标记图，裁剪小目标图像块，制作小目标数据集；