导读:本文包含了日冕暗化论文开题报告文献综述及选题提纲参考文献，主要关键词:日冕物质抛射,日冕暗化,图像特征,机器学习
日冕暗化论文文献综述
杨宇航[1]（2018）在《日冕暗化图像的特征可视化方法研究》一文中研究指出日冕物质抛射(Coronal Mass Ejection,CME)是太阳大气中的一种大规模爆发现象,它的剧烈爆发是扰动地球空间环境、驱动空间灾害天气(如地磁暴、电离层暴等)的主要源头。CME爆发过程中,常伴有日冕暗化、耀斑、暗条等相关现象的发生,对这些相关现象的研究有助于进一步理解CME的起源机理,有助于减少空间灾害天气带来的危害。日冕暗化作为CME初发的重要特征,已成为太阳物理领域的研究热点。本文结合图像处理技术、机器学习方法和可视化技术,对日冕暗化现象的检测方法和可视化方法进行研究,具体工作主要包括以下四个内容。1.日冕暗化现象的检测方法研究。本文利用图像处理技术和机器学习方法对暗化现象进行了有效地检测,其思路是通过提取暗化图像的纹理特征(灰度共生矩阵、双树复小波变换、Gabor特征、局部二值模式、Tamura特征)作为描述暗化现象的特征向量,利用支持向量机和逻辑回归分类算法学习暗化特征,实现对暗化现象的检测。2.日冕暗化统计特征的可视化方法研究。本文结合暗化图像的时序性,计算暗化时间序列图像局部像素值分布的统计特征(方差,图像熵),提出角度可视化方法、环形可视化方法和时序可视化方法。并利用可视化技术D3.js将暗化图像统计特征还原至日面空间,同时展示出暗化现象的发生位置和统计特征随时间的变化。3.日冕暗化图像特征的可视化方法研究。本文针对暗化基准差分图像,用DBSCAN聚类算法提取暗化区域,将暗化区域灰度图像线性映射至RGB空间,增强暗化区域图像的对比度,并将暗化区域绘制在日面区域,实现对暗化现象面积、强度和位置变化的可视化,帮助分析暗化现象物理特征的演变规律。其次,本文利用平行坐标和雷达图,对暗化图像的灰度共生矩阵和双树复小波纹理特征进行分析。实验表明,有暗化现象和无暗化现象的太阳图像的相关特征有较明显的区别。4.CME相关现象伴生关系的可视化方法研究。本文基于弦图设计了CME相关现象相互间同时发生次数的可视化方法,分析CME发生时,其相关现象(日冕暗化、冕洞、日冕喷流等)之间的伴生紧密程度。(本文来源于《西南交通大学》期刊2018-05-11）
杨宇航,彭博,李天瑞[2]（2017）在《日冕暗化图像检测算法的并行设计与实现》一文中研究指出日冕物质抛射(Coronal mass ejection,CME)是空间灾害天气最主要的驱动源。在CME的众多伴生现象中,日冕暗化与之最为紧密相关。因此,对日冕暗化现象进行检测,有助于预报CME的爆发。随着观测数据量的增加,现有日冕暗化检测算法的效率亟待提升。本文基于一种半自动暗化检测算法,提出并实现该算法的并行方案,以提高算法效率,为实现日冕暗化的实时检测奠定基础。首先介绍了日冕暗化的现有工作,接着详细分析了一种半自动暗化检测方法,它在一定程度上提高了人工识别暗化区域的效率,但其效率并不能满足检测的实时性要求。然后,基于Matlab R2014a平台并行机制的特点,从数据、计算量和图像分块角度对半自动暗化检测算法提出了3种不同的并行方案,实验对比分析结果表明图像分块并行方案的效果最优。(本文来源于《数据采集与处理》期刊2017年06期）
王梦娇[3]（2016）在《基于图论的日冕暗化现象提取技术研究》一文中研究指出日冕物质抛射(Coronal Mass Ejection, CME)是太阳表面最剧烈的大尺度爆发过程之一,它是影响近地空间环境和驱动日地空间灾害性天气的最主要太阳爆发事件。理解CME的物理机制和起源以及建立CME预报系统是太阳物理的研究热点,也是空间天气预测和模型建立的基础。作为CME的一个重要的伴随物理现象,日冕暗化现象被认为是和CME紧密相关的一个重要的日面现象,因此本文将日冕暗化事件作为研究对象。当前的研究已逐渐深入到CME与暗化现象的定量物理关系,这就要求我们能够对日冕暗化发生的区域进行准确的定位。同时,随着观测水平的不断提高,得到的观测数据越来越多,而现有的暗化提取技术却发展缓慢,亟待提高。本文拟利用基于图论的Graph Cuts方法和日冕暗化图像的梯度、纹理、暗化先验知识等信息,研究多种暗化现象的提取工作,实现日冕图像暗化区域的自动精确地提取,为进一步研究暗化与CME的相关性提供基础。本文首先介绍日冕暗化现象主要观测手段和提取方法的研究现状,然后概述相关背景和技术基础知识。接着本文围绕日冕暗化提取方法主要做了3个方面的研究。(1)提出了日冕暗化图像种子点提取方案。首先结合日冕暗化BD图和PBD图的显着图以及暗化先验知识得到图像的初始种子点,然后使用改进的k-means算法对种子点进行聚类,最后使用暗化现象的经验阈值成功得到最终的种子点,整个过程无需人工干预。(2)提出了融合纹理和梯度信息的日冕暗化图像提取方案。结合Gabor小波滤波器的多通道降维特性,使用Gabor小波滤波器提取日冕图像的纹理特征,并结合日冕图像的梯度特征共同计算Graph Cuts算法中图像的权值。同时,将第一次提取的暗化区域结果作为粗提取结果,进行二次提取,得到最终的暗化区域提取结果。最后通过实验证明了该提取方案的有效性。(3)开发了日冕图像暗化区域自动提取系统。采集1997年-2014年间包含不同暗化现象的130幅日冕暗化图像,构建了日冕暗化现象的图像库和基准库。同时,在研究提取算法的基础上,设计了日冕图像暗化区域自动提取系统,实现从图像读取到暗化区域结果分析一系列操作的可视化。(本文来源于《西南交通大学》期刊2016-05-18）
田红梅,彭博,李天瑞,谢宗霞[4]（2015）在《基于监督学习的日冕暗化检测与提取算法》一文中研究指出日冕物质抛射(CME)是空间灾害天气的重要驱动源,而日冕暗化(dimming)被认为是CME初发的主要表征,对理解和预测CME具有重要作用。基于极紫外成像望远镜(EIT)和大气成像仪(AIA)的观测数据,实现了图像中日冕暗化现象的检测与提取。通过分析差分图中与暗化现象相关的图像统计特征,采用Adaboost分类算法检测暗化现象的发生,进而分割出日冕暗化区域。实验表明,提出的算法较现有算法能更准确有效地检测和提取日冕暗化区域,为分析日冕暗化特性提供了研究基础。(本文来源于《计算机科学》期刊2015年05期）
刘凯[5]（2009）在《与CME相关的日冕暗化的EUV观测研究》一文中研究指出日冕物质抛射(CME)是太阳大气中的一种剧烈爆发现象。其中对地传播的晕状CME(halo CME)被认为是影响近地空间环境和驱动灾害性空间天气的最主要来源,对它的研究显得尤为重要。尽管已经有了大量的观测和模型分析,但是还无法完全理解CME的起源问题。CME通常伴有各种物理过程,如耀斑(flare)、爆发日珥(eruptive prominence)、射电爆发(radio burst)、高能粒子事件(solar energetic particles)和日冕暗化(coronal dimming)等,对于这些伴随物理过程开展细致深入的研究,可以帮助我们更好地理解CME的起源和传播与演化问题。本文主要研究与CME相关的日冕暗化现象,主要工作有两个:一是利用SOHO/EIT的数据对晕状(halo)CME与日冕暗化的相关性进行了统计;二是结合SOHO/SUMER和其它相关仪器对两次日面边缘处的暗化事件进行了详细的讨论。对CME与暗化现象进行相关性分析时,我们主要根据SOHO/EIT观测图像的差分图来确定暗化是否发生,并通过空间和时间的对应关系来确定暗化与CME的相关性。我们的结果表明,在CDAW数据中心中列出的1996～2008年期间LASCO观测到的所有halo CME中,93.3%的对地(frontside)传播的事件发生时可以在EIT 195?的观测中看到相关暗化事件,未观测到相关暗化现象的事件大都是比较慢的CME(<700km/s)。对于背向地球(backside)传播的事件,源区靠近日面边缘的halo CME发生时,有54.9%的事件可以在日面边缘处观测到暗化现象,均对应于较快的CME事件。统计结果表明,halo CME与暗化现象的相关性达到90%以上,并且CME越快,相关性越高。为了研究暗化现象在多谱段上的表现及其在高时间精度下的演化过程,我们对SUMER观测到的两次与日面边缘处发出的CME相关的暗化事件进行了分析。对1997年7月16日的事件分析表明,此次暗化可以在不同温度的谱线上观测到,且在不同温度下减弱的趋势大致相同,但是在形成温度处于可观测到暗化现象的两条谱线的形成温度之间的一条谱线数据中未能观测到暗化现象,其原因有待进一步的探讨。对2004年5月23日的事件分析结果表明,此次事件同样可以在对应于不同温度的谱线中观测到,但是不同谱线数据中出现暗化的时间有所不同,在低温的谱线上先观测到了暗化,而在高温谱线上后观测到暗化,这说明此次暗化现象从低温等离子体向高温等离子体的发展过程;此外,虽然在同一温度的两条谱线上观测到暗化的变化趋势大致相同,但是减弱程度是不同的,这说明暗化现象还与谱线的发射机制有关。(本文来源于《中国科学技术大学》期刊2009-05-01）
日冕暗化论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
日冕物质抛射(Coronal mass ejection,CME)是空间灾害天气最主要的驱动源。在CME的众多伴生现象中,日冕暗化与之最为紧密相关。因此,对日冕暗化现象进行检测,有助于预报CME的爆发。随着观测数据量的增加,现有日冕暗化检测算法的效率亟待提升。本文基于一种半自动暗化检测算法,提出并实现该算法的并行方案,以提高算法效率,为实现日冕暗化的实时检测奠定基础。首先介绍了日冕暗化的现有工作,接着详细分析了一种半自动暗化检测方法,它在一定程度上提高了人工识别暗化区域的效率,但其效率并不能满足检测的实时性要求。然后,基于Matlab R2014a平台并行机制的特点,从数据、计算量和图像分块角度对半自动暗化检测算法提出了3种不同的并行方案,实验对比分析结果表明图像分块并行方案的效果最优。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
日冕暗化论文参考文献
[1].杨宇航.日冕暗化图像的特征可视化方法研究[D].西南交通大学.2018
[2].杨宇航,彭博,李天瑞.日冕暗化图像检测算法的并行设计与实现[J].数据采集与处理.2017
[3].王梦娇.基于图论的日冕暗化现象提取技术研究[D].西南交通大学.2016
[4].田红梅,彭博,李天瑞,谢宗霞.基于监督学习的日冕暗化检测与提取算法[J].计算机科学.2015
[5].刘凯.与CME相关的日冕暗化的EUV观测研究[D].中国科学技术大学.2009