| 基于U-Net改进的太阳暗条自动检测 |
| |
| 引用本文： | 游江川.基于U-Net改进的太阳暗条自动检测[J].电视技术,2021,45(7):105-110. |
| |
| 作者姓名： | 游江川 |
| |
| 作者单位： | 昆明理工大学 信息工程与自动化学院,云南 昆明 650500 |
| |
| 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.
|
| 关 键 词： | 图像处理 深度学习 暗条 |
Automatic Detection of Solar Filament based on U-Net |
| |
| YOU Jiangchuan.Automatic Detection of Solar Filament based on U-Net[J].Tv Engineering,2021,45(7):105-110. |
| |
| Authors: | YOU Jiangchuan |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 万方数据 等数据库收录！ |
|
