排序方式： 共有2条查询结果，搜索用时 0 毫秒
1
1.
日冕物质抛射(Coronal Mass Ejection, CME)是一种剧烈的太阳爆发现象, 它会对行星际空间造成严重扰动, 进而影响人类生产、生活. 基于CME的时空显著性, 将显著性检测方法引入到CME检测中, 利用结构化矩阵分解SOHO (Solar and Heliospheric Observatory)的大角度光谱日冕仪(Large Angle and Spectrometric Coronagraph Experiment, LASCO) C2的日冕图像对应的特征矩阵, 从中恢复出稀疏部分获得显著前景. 然后考虑CME运动时产生的时间显著性, 从而去除非CME结构(如冕流), 得到最终检测结果. 实验表明, 以人工目录协调数据分析中心(Coordinated Data Analysis Workshop, CDAW)检测结果为基准时, 所提方法不仅在检测CME数量上比计算机辅助跟踪软件包(Computer Aided CME Tracking Software package, CACTus)和太阳爆发事件检测系统(Solar Eruptive Event Detection System, SEEDS)有优势, 还在CME中心角度和张角宽度等特征物理参数测量上比CACTus和SEEDS更接近CDAW目录参考值. 相似文献
2.
日冕物质抛射(Coronal Mass Ejection,CME)是一种强烈的太阳爆发现象,对空间天气和人类生活有巨大的影响,因此,日冕物质抛射检测对预报日冕物质抛射、保障人类的生产生活安全具有重要意义。现有的日冕物质抛射检测多采用人为定义特征和界定阈值等方法。由于人为定义特征不能准确表征日冕物质抛射且具有普适性的阈值难于选择,现有的方法对日冕物质抛射的检测效果有待提高。提出一种基于Faster R-CNN(Faster Region-based Convolutional Neural Networks)的日冕物质抛射检测算法。该方法首先结合CDAW(Coordinated Data Analysis Workshop Data Center),SEEDS(Solar Eruptive Even Detection System)和CACTus(Computer Aoded CME Tracking software package)3个著名的日冕物质抛射目录信息,人工标注了包含9113幅日冕图像的数据集,然后根据日冕物质抛射的图像特征较自然图像少、目标尺寸与自然图像有差异等特点,在特征提取和锚点选择方面对Faster R-CNN进行改进。以2007年6月的日冕物质抛射标注数据为测试集,本文算法检出了全部22个强日冕物质抛射事件和151个弱日冕物质抛射事件中的138个,对日冕物质抛射事件的中心角和角宽度等特征参数的检测误差分别在5°和10°以内。 相似文献
1