日冕图像中暗化现象的检测与提取技术研究
| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第12-19页 |
| 1.1 论文的背景和意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-16页 |
| 1.2.1 观测手段研究现状 | 第13-15页 |
| 1.2.2 暗化相关现象检测与提取研究现状 | 第15-16页 |
| 1.3 本文的研究内容 | 第16-17页 |
| 1.4 本文的组织结构 | 第17-19页 |
| 第2章 预备知识 | 第19-27页 |
| 2.1 引言 | 第19页 |
| 2.2 日冕物质抛射概述 | 第19-20页 |
| 2.3 暗化及相关太阳活动 | 第20-22页 |
| 2.3.1 日冕暗化 | 第20页 |
| 2.3.2 日冕波 | 第20-21页 |
| 2.3.3 暗条 | 第21页 |
| 2.3.4 耀斑 | 第21-22页 |
| 2.3.5 S形状 | 第22页 |
| 2.4 相关技术基础 | 第22-24页 |
| 2.4.1 图像特征 | 第22-23页 |
| 2.4.2 图像分割 | 第23页 |
| 2.4.3 机器学习 | 第23-24页 |
| 2.5 数据来源 | 第24-25页 |
| 2.5.1 AIA图像数据 | 第25页 |
| 2.5.2 EIT观测数据 | 第25页 |
| 2.5.3 太阳活动发生记录 | 第25页 |
| 2.6 本章小结 | 第25-27页 |
| 第3章 日冕暗化半自动检测方法 | 第27-39页 |
| 3.1 引言 | 第27页 |
| 3.2 日冕暗化检测算法 | 第27-35页 |
| 3.2.1 算法流程 | 第27页 |
| 3.2.2 日冕暗化检测算法详解 | 第27-35页 |
| 3.3 实验与分析 | 第35-37页 |
| 3.3.1 实验数据 | 第35-36页 |
| 3.3.2 实验结果 | 第36-37页 |
| 3.4 本章小结 | 第37-39页 |
| 第4章 日冕暗化自动检测与提取方法 | 第39-49页 |
| 4.1 引言 | 第39页 |
| 4.2 基于监督学习的日冕暗化检测方法 | 第39-44页 |
| 4.2.1 监督学习简介 | 第39-40页 |
| 4.2.2 基于监督学习的日冕暗化检测方法 | 第40-44页 |
| 4.3 日冕暗化提取 | 第44-45页 |
| 4.3.1 图像分割方法概述 | 第44-45页 |
| 4.3.2 暗化区域提取 | 第45页 |
| 4.4 实验与分析 | 第45-47页 |
| 4.4.1 实验数据 | 第45页 |
| 4.4.2 SOlarSoft安装 | 第45-46页 |
| 4.4.3 实验结果 | 第46-47页 |
| 4.5 本章小结 | 第47-49页 |
| 第5章 暗化及相关现象的检测 | 第49-61页 |
| 5.1 引言 | 第49页 |
| 5.2 观测图像的特征提取 | 第49-52页 |
| 5.2.1 图像纹理 | 第49-51页 |
| 5.2.2 特征提取流程 | 第51-52页 |
| 5.3 暗化及相关现象检测方法 | 第52-54页 |
| 5.3.1 多标记学习简介 | 第52-53页 |
| 5.3.2 多现象检测流程 | 第53-54页 |
| 5.4 实验与分析 | 第54-60页 |
| 5.4.1 实验数据 | 第54页 |
| 5.4.2 算法设置 | 第54-55页 |
| 5.4.3 实验结果 | 第55-60页 |
| 5.5 本章小结 | 第60-61页 |
| 结论 | 第61-63页 |
| 致谢 | 第63-64页 |
| 参考文献 | 第64-71页 |
| 攻读硕士学位期间发表的论文及科研成果 | 第71页 |
