-
题名基于双层聚类信息的极光亚暴自动检测
- 1
-
-
作者
王平
韩冰
李洁
胡泽骏
尚军亮
葛道辉
袁玉卓
-
机构
曲阜师范大学计算机学院
西安电子科技大学电子工程学院
自然资源部极地科学重点实验室
-
出处
《极地研究》
CAS
CSCD
北大核心
2024年第1期52-69,共18页
-
基金
国家自然科学基金面上项目(62076190,41831072)
陕西省重点产业创新链(2022ZDLGY01-11)
山东省自然科学基金青年项目(ZR2023QF068)资助。
-
文摘
极光亚暴与太阳风和地球磁场的耦合过程有着紧密的联系,对其发生和发展机制的研究,有助于深入地分析行星际磁场、地球磁层和地球电离层的相互作用,了解太阳风携带的大量能量在地球空间的输运过程,对地球空间环境预警具有重要的意义。Polar卫星搭载的紫外极光图像成像仪能够全天候地获取紫外极光图像,在紫外极光图像中可以完整地展示出极区极光的亮度和尺度变化,尤其是可以清晰地展示出亚暴膨胀相的极光点亮和亮斑膨胀现象。现有的极光亚暴事件检测方法通常需要人工设计特征和相关规则库,耗时耗力。本文利用紫外极光图像提出了基于双层聚类信息的亚暴事件检测方法,实现了紫外极光图像数据中的亚暴事件自动检测。同时,针对极光亚暴事件检测依赖手工设计特征,设计了子空间聚类指导的三维卷积特征自动提取网络;针对极光图像帧间存在成像角度差异,利用地磁纬度和磁地方时信息对极光序列中图像的空间位置进行校正;针对卫星成像位置变化导致的成像噪声,利用极光图像级聚类保留极光亮斑区域和剔除未成像或噪声区域。主观和客观实验结果表明,本算法提升了亚暴事件检测的查全率。
-
关键词
极光亚暴
双层聚类信息
三维卷积网络
自动检测
-
Keywords
auroral substorm
cascaded clustering
three-dimesional convolution network
automatic detec-tion
-
分类号
P353
[天文地球—空间物理学]
-
