[发明专利]一种基于机器学习进行CME检测和跟踪的方法有效
| 申请号： | 201910808805.1 | 申请日： | 2019-08-29 |
| 公开（公告）号： | CN110533100B | 公开（公告）日： | 2021-11-26 |
| 发明（设计）人： | 张岩;封莉;王鹏宇;袁汉青;卢磊;甘渊;李舒婷;黎辉;潘云逸 | 申请（专利权）人： | 南京大学;中国科学院紫金山天文台 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06K9/46;G06K9/44;G06N3/04;G06N3/08 |
| 代理公司： | 江苏圣典律师事务所 32237 | 代理人： | 胡建华;于瀚文 |
| 地址： | 210023 江苏省南*** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于机器学习进行CME检测和跟踪的方法，以白光日冕仪图像为基础，通过预处理、分类、检测和跟踪四个阶段实现CME(日冕物质抛射)的检测和跟踪。在预处理阶段，对图像进行下采样和差分图像计算。在分类阶段，使用有监督图像分类方法将给定的白光日冕仪图像分类为有、无CME类别，再从已训练好的CNN中提取的中层特征用于检测CME的区域。在检测阶段，使用无监督图像协同定位的方法挖掘出CME区域。在跟踪阶段，将图像转换为极坐标系，对不同位置的CME进行划分，并定义了一些规则清洗过滤CME，计算所有检测到的CME的基本参数。 | ||
| 搜索关键词： | 一种 基于 机器 学习 进行 cme 检测 跟踪 方法 | ||
【主权项】：
1.一种基于机器学习进行CME检测和跟踪的方法，其特征在于，包括以下步骤：/n步骤1，采集原始日冕图像，对图像进行预处理，得到日冕差分图像；/n步骤2，图像分类：训练LeNet-5卷积神经网络模型进行日冕差分图像二分类，判定单张日冕差分图像是否有CME发生，有CME发生的图像记为有CME类别的差分图像；/n步骤3，CME区域检测：使用LeNet-5卷积神经网络对有CME类别的差分图像进行特征图提取，使用无监督的图像协同定位方法进行CME区域的粗定位，再利用图像切割方法进行分段区域平滑，得到带有精细CME区域注释的日冕差分图像；/n步骤4，进行CME跟踪并计算CME事件的基本参数。/n
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于南京大学;中国科学院紫金山天文台，未经南京大学;中国科学院紫金山天文台许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910808805.1/，转载请声明来源钻瓜专利网。
