基于U-Net改进的太阳暗条自动检测

• 作者: 游江川
• 来源期刊: 电视技术
• 关键词: 图像处理 深度学习 暗条
• 年，卷（期）: 2021,（7）
• 所属期刊栏目: 器件与设计|PARTS & DESIGN
• 页码范围: 105-110
• 页数: 6页
• 分类号: TP391
• 语种: 中文
• DOI: 10.16280/j.videoe.2021.07.030

摘要

提出一种基于改进后的U-Net深度学习网络进行自动识别Hα全日面太阳图像中的太阳暗条方法.这种方法不仅可以准确识别暗条,而且可以最大限度地减少太阳图像噪声的影响.首先,建立一个原始暗条数据集,由深度学习所需的数万张图像组成;其次,使用改进后的U-Net深度卷积网络开发一种用于太阳暗条识别的自动化方法.为了验证该方法的性能,使用一个包含50对手动校正的Hα全日面图像的数据集进行测试,这些图像是从2013年大熊湖太阳天文台/全日面Hα望远镜(BBSO/FDHA)获得的.经过交叉验证,结果表明该技术可以有效地识别全日面Hα图像中的暗条.