实时太阳图像分类：基于光谱与像素方法的评估
太阳与恒星天体物理
2019-10-02 v1 天体物理仪器与方法
摘要
为了将太阳成像用于太阳结构的实时特征识别与大规模数据科学研究，我们需要标注了现象或主题标签的太阳地图。由于太阳成像仪每几分钟产生一次观测，手工标注所有图像是不可行的。在此，我们比较了三种利用极紫外与氢-alpha 图像进行太阳图像分类的机器学习算法：Rigler 等人 (2012) 提出的为每个主题假设单一正态概率分布的最大似然模型、具有底层高斯混合分布的最大似然模型，以及随机森林模型。我们创建了一个小型专家标注地图数据库来训练和测试这些算法。由于不同专家所创标签之间存在歧义，采用了协作标注以纳入所有输入。我们发现随机森林算法在三种算法中表现最佳。该算法的优势在以下方面最为突出：输出与手绘地图的比较、对短期变化的响应，以及追踪太阳上的长期变化。我们的工作表明，与仅使用光谱、逐像素亮度分布相比，下一代太阳图像分类算法将显著受益于空间结构识别的使用。
引用
@article{arxiv.1910.00144,
title = {Real-time solar image classification: assessing spectral, pixel-based approaches},
author = {J. Marcus Hughes and Vicki W. Hsu and Daniel B. Seaton and Hazel M. Bain and Jonathan M. Darnel and Larisza Krista},
journal= {arXiv preprint arXiv:1910.00144},
year = {2019}
}