基于贝叶斯框架下无监督分割方法从EUV图像提取活动区与冕洞
太阳与恒星天体物理
2016-04-19 v1
摘要
日冕是极动态事件的起源，这些事件大多产生于活动区（AR）和冕洞（CH）中。这些大尺度特征的精确位置可通过将图像处理方法应用于极紫外（EUV）数据来确定。本文以严格的贝叶斯方式研究将太阳EUV图像分割为AR、CH和宁静太阳（QS）图像的问题。基于贝叶斯法则，我们需要获得先验与似然模型。为求图像的先验模型，我们采用了非局部模式的Potts模型。为构建似然模型，我们结合了马尔可夫-高斯模型与非局部均值的混合。在用吉布斯估计器估计标签与超参数后，采用元胞学习自动机确定每个像素的标签。我们将所提方法应用于2011年记录的太阳动力学天文台/大气成像组件（SDO/AIA）数据集，发现AR的填充因子均值为0.032，CH为0.057。利用最大似然估计器方法，得到AR和CH尺寸分布的幂律指数分别为-1.597和-1.508。将我们方法的填充因子与人工选择方法及SPoCA算法比较时，它们高度吻合。
引用
@article{arxiv.1604.04988,
title = {Extraction of Active Regions and Coronal Holes from EUV Images Using the Unsupervised Segmentation Method in the Bayesian Framework},
author = {Saeid Arish and Mohsen Javaherian and Hossein Safari and Ali Amiri},
journal= {arXiv preprint arXiv:1604.04988},
year = {2016}
}
备注
22 pages, 10 figures