基于深度学习的太阳活动区检测与跟踪方法研究

作者：朱健; 杨云飞^*; 苏江涛; 刘海燕; 李小洁; 梁波; 冯松

来源：天文研究与技术, 2020, 17(02): 191-200.

DOI：10.14005/j.cnki.issn1672-7673.20191218.001

• 太阳活动区
• 检测与跟踪
• 深度学习
• YOLOv3-spp
• DeepSort

太阳活动区是各类太阳活动的主要能量来源,剧烈的太阳活动直接影响人类的生存环境,因此,准确地检测与跟踪太阳活动区对监控和预报空间天气非常重要。基于深度学习框架的YOLOv3-spp和DeepSort,提出了一种太阳活动区检测和跟踪方法(Active Regions Detection and Tracking Method, ARDTM),该方法较好地解决了传统图像处理方法易将一个太阳活动区误检测为多个,或者多个太阳活动区误检测为一个的问题;及时捕获新产生的太阳活动区和终止跟踪消失的太阳活动区,有效提高了太阳活动区的跟踪准确率。实验结果表明,该方法可以较好地检测和跟踪不同望远镜、不同时间间隔序列图像中的太阳活动区。

• 单位
  中国科学院; 自动化学院; 昆明理工大学