一种用于检测全日面图像中太阳暗条的方法技术

本发明专利技术涉及用于检测全日面图像中太阳暗条的方法。本发明专利技术首先将原始图像送入改进的ResNet

【技术实现步骤摘要】
一种用于检测全日面图像中太阳暗条的方法


[0001]本专利技术涉及一种用于检测全日面图像中太阳暗条的方法，属于天文技术和计算机视觉领域。

技术介绍

[0002]太阳暗条是由致密的低温等离子组成的磁结构。暗条爆发与太阳耀斑以及日面物质抛射有着紧密的联系。这些太阳活动会对地球附近的空间天气造成剧烈影响，当其方向朝向地球时会影响地球磁场。研究表明分裂为多个碎片的暗条通常会有伴随的耀斑出现。因此准确地检测太阳暗条尤其是分裂为多个碎片的暗条对预测空间天气有着重要的意义。
[0003]目前用来检测全日面图像中太阳暗条的方法主要可以分为基于传统图像处理技术的，基于早期机器学习技术的以及基于深度学习技术的方法三类。尽管现有的暗条检测方法已经取得了初步的成果，但是如何检测分裂为多个碎片的暗条仍然是个具有挑战性的问题。现有的暗条检测方法根据相邻碎片之间的距离以及倾角来判断其是否属于同一暗条。但当碎片之间的距离或倾角过大时，基于固定阈值的判断方法会无法正确地将这些碎片检测为同一暗条。

技术实现思路

[0004]本专利技术提供了一种用于检测全日面图像中太阳暗条的方法，以用于解决现有暗条检测方法无法较好地检测分裂为多个碎片的暗条的问题，本专利技术能有效地检测出全日面图像中的太阳暗条，尤其是分裂为多个碎片的暗条。
[0005]本专利技术的技术方案是：一种用于检测全日面图像中太阳暗条的方法，所述方法的步骤如下：
[0006]步骤1：制作太阳暗条检测数据集；
[0007]步骤2：构建改进的ResNet
‑
50骨干网络以提取特征：根据ResNet
‑
C模型、ResNet
‑
D模型和ResNet V2模型的思想构建改进的ResNet
‑
50骨干网络，将全日面图像输入改进的ResNet
‑
50骨干网络用于提取特征；
[0008]步骤3：使用特征金字塔网络(Feature Pyramid Network,FPN)融合不同层级的特征：将改进的ResNet
‑
50骨干网络中阶段3、阶段4和阶段5提取的特征送入FPN，对不同层级的特征进行融合分别得到输出特征图P3、P4和P5；为了更好的检测大尺度的暗条，使用两个步长为2的3
×
3卷积层生成两组更小的特征图P6和P7；
[0009]步骤4：预测目标的位置和类别并将其信息编码为实例相关的掩膜头参数：将FPN输出的特征图P3、P4、P5、P6和P7送入检测模型CondInst中的Sharing Head模块中用以预测对应特征图中候选目标的位置和类别，并经由控制器(Controller)模块将候选目标的信息编码为实例相关的掩膜头参数；
[0010]步骤5：生成掩膜分割图：使用双线性插值将FPN输出的特征图P4和P5放大到特征图P3的大小，并将放大后的特征图P4和P5与特征图P3进行融合，再使用四个连续的3
×
3卷
积层对融合后的特征图进行操作以得到掩膜分割图；
[0011]步骤6：为不同实例匹配对应的掩膜：使用步骤4中得到的实例相关的掩膜头参数构建实例相关的掩膜头并对掩膜分割图进行滤波，以为不同的候选实例匹配对应的掩膜；
[0012]步骤7：滤除冗余目标：使用Matrix NMS算法滤除重叠的和低质量的检测目标；
[0013]步骤8：标注暗条检测结果：根据检测结果，在对应图像中标注出太阳暗条的掩膜，检测框和类别。
[0014]作为本专利技术的进一步方案，所述步骤1包括：将H
α
全日面图像转化为改进的ResNet
‑
50可识别的格式；将H
α
全日面图像中的暗条划分为仅包含连续区域的孤立暗条(Isolated Filament)和分裂为多个碎片的非孤立暗条(Non
‑
isolated Filament)；使用标注软件LabelMe对图像进行标注。
[0015]作为本专利技术的进一步方案，所述步骤1具体为：将FITS格式的全日面图像转换为JPG格式；根据碎片之间的距离以及倾角来判断是否属于同一暗条；并结合当前标注图像前后一段时间内的图像，对有着相同演化趋势的碎片，即使碎片间的距离和倾角大也将其标注为同一暗条；先沿着暗条和碎片的边缘标注出孤立的暗条和碎片；再在属于同一个暗条的碎片周围添加新的标注以标记出哪些碎片是属于同一个暗条的；由于碎片外围的非孤立暗条的标注会将背景标注为目标，因此将多边形标注转换为BitMask标注，以消除背景信息对模型的误导；最后进一步将标注格式转换为微软COCO(Microsoft Common Objects in Context)格式，以方便模型读取标注数据。
[0016]作为本专利技术的进一步方案，所述步骤2具体为：以ResNet
‑
50骨干网络为基础，参考ResNet V2，将所有的批归一化层(Batch Normalization,BN)和激活层移动到卷积操作之前；使用ResNet
‑
C替换掉原始ResNet
‑
50中的Stem模块；把ResNet
‑
D和ResNet V2结合起来构成改进的ResNet
‑
50骨干网络每一阶段中的下采样模块，具体的，以ResNet
‑
D为基础，仿照ResNet V2，将ResNet
‑
D所有的BN层和归一化层移动到卷积层之前。
[0017]本专利技术的有益效果是：
[0018]本专利技术通过制作一个太阳暗条检测数据集，并使用制作的数据集对实例分割模型进行训练和测试。首先将原始图像送入改进的ResNet
‑
50骨干网络提取特征图，再经由FPN融合不同层级的特征；融合后的特征被送入CondInst的Sharing Head模块以预测目标的位置和类别，并将目标信息编码为实例相关的滤波器参数。同时，FPN输出的特征会被送入掩膜分支用以生成掩膜分割图。最终，动态掩模图使用实例相关的滤波器为不同的实例匹配对应的掩膜；在检测到暗条并获取其对应的掩膜后，通过掩膜之间的IoU滤除低质量的冗余检测。相比现有的太阳暗条检测方法，本专利技术能较好的解决现有暗条检测方法无法较好地检测分裂为多个碎片的暗条的问题，能有效地检测出全日面图像中的太阳暗条，尤其是分裂为多个碎片的暗条，且能将分裂后的碎片检测为同一个暗条。
附图说明
[0019]图1是本专利技术中用于检测全日面图像中太阳暗条方法的总体流程图；
[0020]图2是本专利技术中采用大熊湖天文台于2014年3月10日18:09:12UT采集到的H
α
全日面图像；
[0021]图3是本专利技术标注的图像示例，图像来自2011年6月30日16:00:21UT大熊湖天文台
采集到的H
α
全日面图像；
[0022]图4是图2经本专利技术的方法所检测的结果本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于检测全日面图像中太阳暗条的方法，其特征在于，所述方法的步骤如下：步骤1：制作太阳暗条检测数据集；步骤2：构建改进的ResNet
‑
50骨干网络以提取特征：根据ResNet
‑
C模型、ResNet
‑
D模型和ResNet V2模型的思想构建改进的ResNet
‑
50骨干网络，将全日面图像输入改进的ResNet
‑
50骨干网络用于提取特征；步骤3：使用特征金字塔网络FPN融合不同层级的特征：将改进的ResNet
‑
50骨干网络中阶段3、阶段4和阶段5提取的特征送入FPN，对不同层级的特征进行融合分别得到输出特征图P3、P4和P5；为了更好的检测大尺度的暗条，使用两个步长为2的3
×
3卷积层生成两组更小的特征图P6和P7；步骤4：预测目标的位置和类别并将其信息编码为实例相关的掩膜头参数：将FPN输出的特征图P3、P4、P5、P6和P7送入检测模型中用以预测对应特征图中候选目标的位置和类别，并经由控制器模块将候选目标的信息编码为实例相关的掩膜头参数；步骤5：生成掩膜分割图：使用双线性插值将FPN输出的特征图P4和P5放大到特征图P3的大小，并将放大后的特征图P4和P5与特征图P3进行融合，再使用四个连续的3
×
3卷积层对融合后的特征图进行操作以得到掩膜分割图；步骤6：为不同实例匹配对应的掩膜：使用步骤4中得到的实例相关的掩膜头参数构建实例相关的掩膜头并对掩膜分割图进行滤波，以为不同的候选实例匹配对应的掩膜；步骤7：滤除冗余目标：使用Matrix NMS算法滤除重叠的和低质量的检测目标；步骤8：标注暗条检测结果：根据检测结果，在对应图像中标注出太阳暗条的掩膜，检测框和类...

【专利技术属性】
技术研发人员：杨云飞，郭旭龙，冯松，戴伟，梁波，
申请(专利权)人：昆明理工大学，
类型：发明
国别省市：