用于遥测 CME 特征提取的多尺度图像预处理与特征追踪
太阳与恒星天体物理
2022-06-01 v2 天体物理仪器与方法
空间物理
摘要
日冕物质抛射（CMEs）通过注入巨大的快速太阳等离子体云和能量粒子（SEPs），影响太阳系中遥远距离的行星际环境。关于 SEPs 如何产生仍存在若干基本问题，但目前的认识指向日冕中 CME 驱动的激波和压缩。与此同时，前所未有的遥测与原位（Parker Solar Probe、Solar Orbiter）太阳观测正变得可用，以约束现有理论。本文提出一种对太阳图像中诸如 CME 激波和暗条等对象进行识别与追踪的通用方法。该计算方案基于多尺度数据表示概念——a trous 小波变换，以及一组图像滤波技术。我们在 SDO/AIA 望远镜观测到的一小组 CME 相关现象上展示了其性能。借助在不同分解和强度层级上分层表示的数据，我们的方法可从成像观测中提取特定对象及其掩膜，以追踪其随时间演化。本文方法具有通用性，适用于检测和追踪成像观测中的各类太阳与日球层现象，并有望为深度学习准备大型训练数据集。我们已将该方法实现为一个自由可用的 Python 库。
引用
@article{arxiv.2205.15088,
title = {Multi-Scale Image Preprocessing and Feature Tracking for Remote CME Characterization},
author = {Oleg Stepanyuk and Kamen Kozarev and Mohamed Nedal},
journal= {arXiv preprint arXiv:2205.15088},
year = {2022}
}
备注
Accepted for publication in The Journal of Space Weather and Space Climate