使用 SDO/HMI 数据与注意力辅助卷积神经网络对太阳活动区 SOHO/MDI 磁图的超分辨率重建
太阳与恒星天体物理
2024-03-28 v1 机器学习
摘要
图像超分辨率一直是图像处理与识别领域的重要课题。在此,我们提出一种用于太阳图像超分辨率的注意力辅助卷积神经网络 (CNN)。我们的方法命名为 SolarCNN,旨在提升由太阳及日球层观测台 (SOHO) 搭载的迈克耳孙多普勒成像仪 (MDI) 所采集的太阳活动区 (AR) 视向 (LOS) 磁图的质量。用于训练 SolarCNN 的真值标签是由太阳动力学天文台 (SDO) 搭载的日震和磁成像仪 (HMI) 所采集的 LOS 磁图。太阳 AR 由强磁场组成,其中的磁能可突然释放以产生极端空间天气事件,如太阳耀斑、日冕物质抛射和太阳高能粒子。SOHO/MDI 覆盖了第 23 太阳活动周,该周期比第 24 周更强且爆发事件更多。增强的 SOHO/MDI 磁图有助于更好地理解和预报剧烈的空间天气事件。实验结果表明,SolarCNN 在结构相似性指数 (SSIM)、皮尔逊相关系数 (PCC) 和峰值信噪比 (PSNR) 方面提升了 SOHO/MDI 磁图的质量。
引用
@article{arxiv.2403.18302,
title = {Super-Resolution of SOHO/MDI Magnetograms of Solar Active Regions Using SDO/HMI Data and an Attention-Aided Convolutional Neural Network},
author = {Chunhui Xu and Jason T. L. Wang and Haimin Wang and Haodi Jiang and Qin Li and Yasser Abduallah and Yan Xu},
journal= {arXiv preprint arXiv:2403.18302},
year = {2024}
}
备注
17 pages, 7 figures