基于機器學習的極光圖像自動分割方法
楊秋菊; 周朋輝 陜西師范大學物理學與信息技術學院; 西安710019
關鍵詞：全天空極光圖像 分割 全卷積神經網絡
摘要：極光是太陽風能量注入到極區的指示器,從觀測視野中準確分割出極光區域對研究極光演變如亞暴過程有非常重要的意義.本文基于全卷積神經網絡提出了一種弱監督極光圖像自動分割策略,數據標記時僅需指定極光區域的一個像素點即可,極大解決了機器學習人工標注數據的壓力.首先利用簡單單弧狀極光圖像訓練一個初始分割模型Model 1,然后基于該模型,結合熱點狀和復雜多弧狀極光圖像獲得一個增強的分割模型Model 2,最后對分割結果做進一步優化.本文對2003—2007年北極黃河站越冬觀測的2715幅極光圖像進行了分割,并和最新論文結果及人工標簽進行了定量和定性比較,其中分割結果與人工標簽的“交并比”高達60%,證明了本文方法的有效性.
地球物理學報雜志要求:
{1}每篇文章應選3-6個能反映文章最主要內容的名詞性術語作關鍵詞。
{2}文稿內容依次包括：中文標題，中文摘要及關鍵詞，正文，參考文獻，英文標題，英文摘要及關鍵詞。
{3}著作權清晰，不存在任何分歧。視角新穎，具有原創性、學術性和科學的嚴謹性。
{4}文題：一般不超過20字，必要時加副標題。
{5}參照“中國學術期刊檢索與數據規范”的要求撰寫；首頁底腳標名第一作者姓名、出生年份、性別、籍貫、工作單位、職稱、學位、研究方向；文末注明作者聯系地址、電話、郵政編碼。
注：因版權方要求，不能公開全文，如需全文，請咨詢雜志社
相關期刊
