[发明专利]一种基于深度学习的日冕物质抛射检测方法

权利要求书

1.一种基于深度学习的日冕物质抛射检测方法，其特征在于，包括以下步骤：

Step1、CME图像预处理和数据集制作：CME的d2图像极坐标化并用中值滤波去噪得到所述CME图像，半自动标注目标框制作数据集；

Step2、特征提取：将Step1中的CME图像输入改进后的特征提取网络，得到特征图；

Step3、生成候选区域建议：将步骤Step2得到的特征图输入区域建议网络RPN，得到感兴趣的候选区域建议；

Step4、目标区域池化：以Step2输出的特征图和Step3输出的候选区域建议作为输入，将候选区域建议映射到特征图的对应位置，对映射后的特征图进行池化操作得到统一大小的目标区域特征图；

Step5、进行CME细分类：根据Step4得到的目标区域特征图计算目标类型，区分目标是哪一类CME，得到分类分数；

Step6、边框回归：根据Step4得到的目标区域特征图，进行边界框回归细化边界框，最终获得检测框的精确位置；

Step7、消除重复冗余框：根据step5和step6得到目标特征图，利用非极大值抑制方法去除同一CME目标的重复冗余的目标框，得到最终的CME目标的区域。

2.根据权利要求1所述的一种基于深度学习的日冕物质抛射检测方法，其特征在于，所述步骤Step2具体实现方法为：样本图像输入vgg16网络，经过五个Conv Layer层，将Layer4特征和Layer5特征合并组成特征图作为输出。

3.根据权利要求1所述的一种基于深度学习的日冕物质抛射检测方法，其特征在于，所述步骤Step3具体实现方法为：利用k-means算法求得数据集九个长宽尺寸的聚点，RPN网络根据这九个聚点在Step2的特征图上的每个点生成九个anchor box，再Softmax二分类判别每个anchor box是否为感兴趣区域，由回归网络得到感兴趣区域的位置。

4.根据权利要求1所述的一种基于深度学习的日冕物质抛射检测方法，其特征在于，所述步骤Step4具体实现方法为：将映射后的特征区域划分为相同大小的块，块的数量与输出特征图的维度相同，然后对每个块进行最大池化操作，将一组大小不一的候选区域特征图转化为固定统一尺寸的特征图。

5.根据权利要求1所述的一种基于深度学习的日冕物质抛射检测方法，其特征在于，所述步骤Step7具体实现方法为：非极大值抑制，针对步骤Step6得到的一组检测框，对于每个窗口，选取邻域里分数最高，抑制分数低的检测框，去除冗余的检测框。