一種基于圖像處理的太陽射電爆發(fā)自動實時檢測方法
【專利摘要】本發(fā)明公開了一種基于圖像處理的太陽射電爆發(fā)自動實時檢測方法，把太陽射電爆發(fā)的檢測看作是對太陽射電頻譜圖像的運動目標檢測，采用混合高斯模型的思想檢測太陽射電頻譜的運動區(qū)域，并對檢測出來的爆發(fā)區(qū)域準確量化，提取爆發(fā)強度、爆發(fā)帶寬和持續(xù)時間，包括自動檢測太陽射電爆發(fā)和太陽射電爆發(fā)參數(shù)值的提取兩部分。本發(fā)明自動提取爆發(fā)的參數(shù)值，把全人工完成的太陽射電爆發(fā)的檢測工作，通過圖像處理的方法自動完成，提高了效率和參數(shù)提取的精度；實時檢測到的太陽射電爆發(fā)和提取得到的爆發(fā)參數(shù)，為實時災害性空間天氣的預警提供數(shù)據(jù)，在災害性空間天氣來臨時，對現(xiàn)代化設備系統(tǒng)進行調整，能盡可能地降低災害性空間天氣帶來的影響。
【專利說明】
【技術領域】
[0001] 本發(fā)明屬于太陽射電檢測領域，尤其涉及一種基于圖像處理的太陽射電爆發(fā)自動 實時檢測方法。 -種基于圖像處理的太陽射電爆發(fā)自動實時檢測方法
【背景技術】
[0002] 太陽是唯一可以被精細觀測的恒星，同時，太陽系還是人類已知的唯一有生命繁 衍行為的恒星系統(tǒng)。因此，太陽物理研究不僅是天文學中最為活躍和重要的領域，而且對研 究宇宙中生命的起源、演化也具有極其重要的意義。太陽的劇烈爆發(fā)，主要指耀斑和日冕物 質拋射（CME，Coronal Mass Ejection),它們是太陽系中最劇烈的能量釋放過程。特別是 CME，它將大量的等離子體物質，以超過千公里/秒的速度，拋向行星際空間。
[0003] 耀斑和CME事件產生的輻射、加速的高能粒子有可能對地球周圍的空間環(huán)境及地 磁場產生劇烈擾動，直接影響航天器、通訊、電力等現(xiàn)代化技術系統(tǒng)的正常運行，對人類生 活環(huán)境造成重大的不利影響。人們把這種由太陽活動引起的近地空間或從太陽大氣到地球 大氣的空間環(huán)境狀態(tài)的變化，稱之為空間天氣。相對于地面天氣而言，空間天氣發(fā)生在距離 地面30公里以上。
[0004] 太陽爆發(fā)對空間天氣有很大的影響，最劇烈的就是耀斑和CME事件，耀斑和CME事 件都伴隨著太陽射電爆發(fā)。太陽爆發(fā)事件的能量釋放過程在整個電磁波譜的范圍內均有表 現(xiàn)，因此，射電波段的觀測是相當重要和必不可少的手段。
[0005] 太陽射電爆發(fā)包含耀斑和CME的大量的粒子加速和輻射的過程，對CME的預測和 預警具有先兆作用，而且在對地方向上的CME的預測和預警方面，太陽射電頻譜儀的作用 是其它儀器無可替代的。所以，在太陽射電爆發(fā)發(fā)生時，對爆發(fā)的參數(shù)值進行提取、進行災 害性空間天氣預警有重大意義。
[0006] 目前，太陽射電頻譜的檢測主要通過每天在觀測后，觀測人員回放太陽射電頻譜 視頻，人工篩選可疑爆發(fā)數(shù)據(jù)，然后人工確定爆發(fā)的相關參數(shù)。但是，采用人工檢測的方法 主要存在以下問題：
[0007] 1、滯后性：每天形成太陽射電活動報告都在觀測完幾小時以后，對于太陽射電爆 發(fā)事件，無法第一時間獲得相關數(shù)據(jù)，不能做到災害性空間天氣的實時預警；
[0008] 2、遺漏性：由于每天每套觀測設備產生將數(shù)個GB的頻譜數(shù)據(jù)，這些數(shù)據(jù)記錄了 10 個小時的太陽活動情況，需要工作人員進行視頻回放，尋找有意義的太陽活動數(shù)據(jù)。人工檢 測需要耗費大量的時間，并且，短時爆發(fā)信號具有時間短不易察覺等特性，人工檢測太陽活 動數(shù)據(jù)會存在遺漏的情況；
[0009] 3、隨意性：對于人工檢測出來的太陽射電爆發(fā)，需要對爆發(fā)的參數(shù)值進行量化。但 是人工提取太陽射電爆發(fā)的相關參數(shù)值，和工作人員的狀態(tài)有很大相關性，每個工作人員 提取參數(shù)的細致程度也可能不同。這就造成太陽射電爆發(fā)參數(shù)值人工提取隨意性大，無法 準確量化，為后續(xù)理論研究帶來諸多不便。
【發(fā)明內容】
[0010] 本發(fā)明的目的在于提供一種基于圖像處理的太陽射電爆發(fā)自動實時檢測方法，旨 在提高太陽射電爆發(fā)檢測的效率和參數(shù)提取的精度。
[0011] 本發(fā)明是這樣實現(xiàn)的，一種基于圖像處理的太陽射電爆發(fā)自動實時檢測方法把太 陽射電爆發(fā)的檢測看作是對太陽射電頻譜圖像的運動目標檢測，采用混合高斯模型的思想 檢測太陽射電頻譜的運動區(qū)域，并對檢測出來的爆發(fā)區(qū)域準確量化，提取爆發(fā)強度、爆發(fā)帶 寬和持續(xù)時間，包括自動檢測太陽射電爆發(fā)和太陽射電爆發(fā)參數(shù)值的提取兩部分，自動檢 測太陽射電爆發(fā)包括模型初始化、模型學習、背景模型的參數(shù)進行更新，對檢測得到的黑白 兩色的二值圖像進行形態(tài)學處理并去除部分噪聲，太陽射電爆發(fā)參數(shù)值的提取包括爆發(fā)強 度提取、爆發(fā)帶寬和持續(xù)時間的提取。
【權利要求】
1. 一種基于圖像處理的太陽射電爆發(fā)自動實時檢測方法，其特征在于，該基于圖像處 理的太陽射電爆發(fā)自動實時檢測方法把太陽射電爆發(fā)的檢測看作是對太陽射電頻譜圖像 的運動目標檢測，采用混合高斯模型的思想檢測太陽射電頻譜的運動區(qū)域并對檢測出來的 爆發(fā)區(qū)域準確量化；提取爆發(fā)強度、爆發(fā)帶寬和持續(xù)時間，包括自動檢測太陽射電爆發(fā)和太 陽射電爆發(fā)參數(shù)值的提取兩部分；自動檢測太陽射電爆發(fā)包括模型初始化、模型學習、背 景模型的參數(shù)進行更新、對檢測得到的黑白兩色的二值圖像進行形態(tài)學處理并去除部分噪 聲；太陽射電爆發(fā)參數(shù)值的提取包括爆發(fā)強度提取、爆發(fā)帶寬和持續(xù)時間的提取。
2. 如權利要求1所述的基于圖像處理的太陽射電爆發(fā)自動實時檢測方法，其特征在 于，在混合高斯模型中，每一個像素的背景模型用K個高斯分布來描述，即
其中，< 是在t時刻第i個高斯分布的權值，參數(shù)K是高斯分布的個數(shù)，η是一個高斯 概率分布函數(shù)，它的均值為μu,方差為即：
在t時刻，對于當前視頻圖像巾貞的每一個像素 xt,當存在一個i, 1彡i彡Κ,滿足
時，該像素被判定為背景，否則為前景。
3. 如權利要求1所述的基于圖像處理的太陽射電爆發(fā)自動實時檢測方法，其特征在 于，所述的自動檢測太陽射電爆發(fā)的具體方法為： 步驟一、模型初始化：對于每個像素點，用太陽射電頻譜視頻圖像序列中的第1幀的像 素值建立對應位置的第1個高斯分布，該高斯分布的均值μ是第1幀的像素值，給定方差 σ = 〇和權值w = 0 ; 步驟二、模型學習：已經(jīng)為背景模型的每一個像素建立Κ個高斯分布，表示Κ種寧靜太 陽時的太陽射電頻譜圖像的像素值，讀入太陽射電頻譜視頻的第t幀圖像Xt，將該幀圖像的 每個像素與對應位置上已建立的第i個高斯分布相比較α < κ)，判定是背景還是前景像 素： xt-U i；t| < 2. 5〇 i；t 步驟三、在模型的學習過程中，對混合高斯背景模型的參數(shù)進行更新； 步驟四、對檢測得到的黑白兩色的二值圖像Bt進行形態(tài)學處理，去除部分噪聲： Bt = Close (Open (BtJ Mask), Mask) 其中Open (A，B)表示用掩膜B對A做形態(tài)學開操作，Close (A，B)表示用掩膜B對A做 形態(tài)學閉操作，掩膜
4. 如權利要求1所述的基于圖像處理的太陽射電爆發(fā)自動實時檢測方法，其特征在 于，模型學習的具體方法為： 當存在一個i，1彡i彡K，滿足式| xt- μ i;t | < 2. 5 σ i;t，則表明該像素在第t幀圖像與 第i個高斯分布相匹配，該像素標識為黑色，則該像素為背景像素，表示t時刻在該頻率沒 有發(fā)生射電爆發(fā)； 對于每一個像素，如果對于所有i (1彡i彡K)，式| xt- μ i; 11 < 2. 5 σ i t都不滿足時， 則該像素為前景像素，該像素標識為白色，表示t時刻在該頻率發(fā)生了太陽射電爆發(fā)，分為 兩種情況： 如果這時i〈K，也就是當前的高斯分布還不夠，把這個像素看成是背景像素，按照模型 初始化的方法，在該像素的背景模型中增加一個高斯分布，也就是新增加的高斯分布的均 值μ為第t幀該像素的值，并設置方差σ = 〇和權值W = 0 ; 如果i>K，則按照模型初始化的方法，生成一個新的高斯分布，這個新的高斯分布中均 值μ為第t幀該像素的值，并設置方差〇 =〇和權值《 = 〇,用新生成的這個高斯分布以 替換已有高斯模型中權值最低者，也就是替換第κ個模式。
5. 如權利要求1所述的基于圖像處理的太陽射電爆發(fā)自動實時檢測方法，其特征在 于，混合高斯背景模型參數(shù)的更新的處理方法如下 ： μ i;t = (1-β ) μ i^-i+β Xt σ i，t2 =(卜 β ) σ i，t-i2+β (xt_ y i，t-i) 2
其中β為均值和方差更新率，α為權值更新率； 對于不匹配的高斯分布，應按照下式減小權值： wijt = (l~a )Wi,t-l 在對混合高斯背景模型參數(shù)進行更新后，由于權值4有變化，所以要對-歸一化，使
?并且，對K個模式重新排序，使按照歸一化之后的f降序排列。
6. 如權利要求1所述的基于圖像處理的太陽射電爆發(fā)自動實時檢測方法，其特征在 于，爆發(fā)強度的提取的具體方法為： Intensity (t, f)是太陽爆發(fā)時在時刻t、頻率f處爆發(fā)強度的值，該次檢測出來的射 電爆發(fā)區(qū)域為Q，那么，一次爆發(fā)事件發(fā)生后，為了記錄這次爆發(fā)的強度最大值，在這個爆發(fā) 事件結束后，在這個時間段內找到最大的Intensity(t，f)值，表示為這次爆發(fā)的最大強度 Intensity-:
同時，由于在檢測得到的爆發(fā)事件區(qū)域內每個像素都有一個Intensity (t，f)值，這 些值隨時間和頻率不同，用一個統(tǒng)一的量來表示這次爆發(fā)的平均強度，采用區(qū)域加權求平 均的方式得到爆發(fā)的平均強度；設爆發(fā)區(qū)域的像素是集合Q，那么這個區(qū)域的幾何中心是 Center (X。，yQ)，那么得到：
其中，XCoordinate(p)表示提取p點的X坐標，YCoordinate(p)表示提取p點的Y坐 標，Count (Q)表示計算區(qū)域集合Q有多少個像素點； 之后，計算爆發(fā)事件的加權爆發(fā)強度，通常，靠近幾何中心Center (X(l，y(l)的像素權值 大，遠離幾何中心Center (X(l，yci)的像素權值小，采用以下公式來計算加權平均的爆發(fā)強 度：
其中λ t，f是在爆發(fā)區(qū)域Q內時刻t、頻率f的爆發(fā)強度權值，該權值滿足以幾何中心 Center (Xd, yj為中心的二維正態(tài)分布，保證離中心越近權值越大，離中心越遠權值越小。
7.如權利要求1所述的基于圖像處理的太陽射電爆發(fā)自動實時檢測方法，其特征在 于，爆發(fā)帶寬和持續(xù)時間的提取的具體方法為： 在某個時刻，爆發(fā)的帶寬就是檢測得到的運動區(qū)域的高度，持續(xù)時間就是檢測得到的 運動目標區(qū)域累計的寬度； 時刻t爆發(fā)的帶寬檢測運動區(qū)域內時刻t堅條的最高點所對應的頻率ftmax和最低點所 對應的頻率ftmin，它們的差就是時刻t爆發(fā)的爆發(fā)帶寬BurstBandwidth t : BurstBandwidtht = ftmax-ftmm 那么，該次太陽射電爆發(fā)的爆發(fā)帶寬BurstBandwidth是：
其中，Q是該次爆發(fā)區(qū)域的像素集合； 同樣，運動目標區(qū)域的累計寬度就對應著爆發(fā)的持續(xù)時間，依次在運動區(qū)域內提取頻 率f的橫條圖像，獲得頻率f橫條圖像的最左端和最右端坐標得到頻率f的爆發(fā)開始時間 和結束時間*兩者的差值就是這次射電爆發(fā)事件在頻率f的持續(xù)時間Duration,:
那么，該次爆發(fā)總的持續(xù)時間Duration是：
其中，Q是爆發(fā)區(qū)域的像素集合。
【文檔編號】G06T7/20GK104156981SQ201410369467
【公開日】2014年11月19日 申請日期:2014年7月30日 優(yōu)先權日:2014年7月30日
【發(fā)明者】袁國武, 董亮, 高冠男, 徐丹, 張學杰 申請人:云南大學