基于空時顯著性的日冕物質(zhì)拋射檢測*

楊志鵬 尚振宏? 強振平 辛澤寰 冼祥貴 夏國強

(1昆明理工大學(xué)信息工程與自動化學(xué)院昆明650500)

(2西南林業(yè)大學(xué)數(shù)據(jù)與智能工程學(xué)院昆明650224)

1 引言

日冕物質(zhì)拋射(Coronal Mass Ejection，CME)是太陽在幾分鐘至幾小時內(nèi)向行星際空間釋放能量的一種大尺度爆發(fā)現(xiàn)象，是空間災(zāi)害天氣的主要驅(qū)動力.CME引起的強電磁輻射和高能粒子將對地球磁場、電離層、等離子體層和高層大氣產(chǎn)生嚴(yán)重的擾動，如太陽高能粒子爆發(fā)引起的衛(wèi)星通訊系統(tǒng)中斷、地面衛(wèi)星導(dǎo)航失靈、地面電力設(shè)施故障等[1].因此，CME檢測成為空間天氣預(yù)測的一項重要研究內(nèi)容.為探究CME形成、傳播等機理，歐美國家先后發(fā)射太陽和日球?qū)犹煳呐_(Solar and Heliospheric Observatory，SOHO)[2]、日地關(guān)系天文臺(Solar Terrestrial Relations Observatory，STEREO)[3]等搭載日冕儀的衛(wèi)星對CME進行長期觀測.未來，我國首顆專用太陽觀測衛(wèi)星先進天基太陽天文臺(Advanced Space-based Solar Observatory，ASO-S)[4-5]將發(fā)射升空，實現(xiàn)我國太陽衛(wèi)星探測零的突破，進一步揭示太陽磁場、耀斑和CME的形成機制及相互關(guān)系.

國內(nèi)外現(xiàn)有的CME檢測方法可分為兩大類:一類是基于人工手動標(biāo)識檢測方法，如協(xié)調(diào)數(shù)據(jù)分析中心(Coordinated Data Analysis Workshop，CDAW)[6]和美國海軍實驗室(Naval Research Laboratory，NRL1NRL:http://lasco-www.nrl.navy.mil/index.php?p=content/cmelist)目錄，CDAW和NRL均是由觀測者對日冕儀拍攝的日冕圖像進行處理，通過人工手動標(biāo)識，編制成CME目錄.人工手動標(biāo)識檢測方法主要依靠研究人員每日手工記錄CME信息，該類方法易受觀測人員主觀影響且工作量繁多耗時.另一類方法主要基于計算機自動處理，該類方法在一定程度上能夠降低部分人工主觀因素的影響，同時還能節(jié)約人力資源成本.因此，利用計算機自動處理的方法逐漸成為日冕物質(zhì)拋射檢測的重要手段.

基于計算機自動處理方法大致可以分為以下4類[7]:基于灰度特征的方法、基于紋理特征的方法、基于光流法和基于學(xué)習(xí)的方法.2004年Robbrecht等[8]首次提出計算機自動檢測方法-計算機輔助跟蹤軟件包(Computer Aided CME Tracking Software package，CACTus)，該方法利用CME爆發(fā)時的物理參數(shù)組成特殊數(shù)據(jù)結(jié)構(gòu)體，通過使用霍夫變換完成CME檢測;2006年Qu等[9]使用傳統(tǒng)形態(tài)學(xué)和變化閾值的方法在直角坐標(biāo)系下探測CME;Colaninno等[10]運用光流法實現(xiàn)對CME的檢測和跟蹤;2008年Olmedo等[11]提出太陽爆發(fā)事件檢測系統(tǒng)(Solar Eruptive Event Detection System，SEEDS)，該系統(tǒng)利用圖像分割技術(shù)在極坐標(biāo)中實現(xiàn)CME檢測;2009年Boursier等[12]提 出(Automatic Recognition of Transient Events and Marseille from Synoptic maps，ARTEMIS)方法，該方法將SOHO上搭載的大角度光譜日冕儀(Large Angleand Spectrometric Coronagraph Experiment，LASCO)C2日冕圖像變換到綜合圖(Synoptic Maps)，從綜合圖中利用垂直條紋檢測CME;2010年Goussies等[13]提出一種基于灰度共生矩陣的非參數(shù)監(jiān)督的CME分割方法(CORonal Segmentation Technique，CORSET).隨后，又出現(xiàn)一些新的CME檢測方法，如基于水平集和競爭區(qū)域的方法[14]、轉(zhuǎn)換到頻域處理的方法[15]、混合高斯法[16]、基于自適應(yīng)提升(Adaptive Boosting，AdaBoost)的分類算法[17-18]、基于極限學(xué)習(xí)機的方法[19]、基于卷積神經(jīng)網(wǎng)絡(luò)的分類方法[20-22]以及自適應(yīng)背景學(xué)習(xí)方法[23]等.

上述基于計算機自動處理的方法或多或少存在一定問題.譬如，基于灰度特征的方法CACTus和SEEDS等都采用亮度增強的方式來突出日冕圖像中疑似CME區(qū)域，既增強CME目標(biāo)區(qū)域，也增強非CME區(qū)域的強度，且因算法預(yù)設(shè)的檢測規(guī)則、閾值選取不同等因素，導(dǎo)致兩種方法在檢測效果上存在較大差異;光流算法[10]可以從日冕圖像序列中估計出像素的速度矢量，形成圖像矢量運動場，能確定運動明顯的像素區(qū)域，但對于運動變化程度較弱的CME，其檢測跟蹤效果較差.此外，光流法計算復(fù)雜，耗時較長，無法滿足實時檢測需求;基于學(xué)習(xí)的檢測方法目前有端到端檢測[1]、集成學(xué)習(xí)[18]、卷積神經(jīng)網(wǎng)絡(luò)[20-22]等，該類方法主要采用有監(jiān)督的方式學(xué)習(xí)CME特征，因此需要大量人工標(biāo)注的日冕圖像數(shù)據(jù)集，而大量人工標(biāo)注的日冕圖像數(shù)據(jù)集不可避免地?fù)饺肴斯ぶ饔^因素，導(dǎo)致基于有監(jiān)督的方式缺乏一定的客觀性，致使檢測結(jié)果與真實情況出現(xiàn)偏差.

CME有多種形態(tài)和尺度特征，通常表現(xiàn)為明亮、向外擴散運動、紋理復(fù)雜的增強結(jié)構(gòu)[24].在圖像空間上，CME相對日冕圖像中的背景呈現(xiàn)明亮、紋理復(fù)雜的結(jié)構(gòu)，具有空間顯著性.此外，在時間維度上，CME呈現(xiàn)出向外擴散的運動狀態(tài)，具有時間顯著性.

針對上述特點，本文將顯著性檢測方法引入到CME檢測中，提出一種結(jié)合空時顯著特性的日冕物質(zhì)拋射檢測方法.在空間維度上，采用基于結(jié)構(gòu)化矩陣分解模型的顯著性目標(biāo)檢測方法，對單幅日冕圖像進行空間顯著特征提取，得到日冕圖像的空間顯著圖;在時間維度上，利用三幀差分法獲取時間顯著性;最后根據(jù)CME的運動特性，將時間、空間顯著性進行融合，檢測出日冕物質(zhì)拋射.本文方法流程如圖1所示.本文方法主要有以下特點:(1)利用CME的時空顯著性，能夠檢測到人工目錄CDAW中遺漏的CME，檢測數(shù)量有優(yōu)勢;(2)對CME的時間信息加以利用，能較好地排除冕流等干擾，檢測準(zhǔn)確度有提高;(3)采用無監(jiān)督方式，無需標(biāo)注數(shù)據(jù)集，節(jié)約人力資源成本.

2 基于空時顯著性的日冕物質(zhì)拋射檢測

2.1 日冕圖像數(shù)據(jù)處理

本文選取LASCO C2視場的512×512像素圖像作為實驗數(shù)據(jù).LASCO C2日冕圖像時間分辨率為12 min，由于SOHO衛(wèi)星搭載的LASCO日冕儀在成像時會受到彗星、衛(wèi)星等遮擋干擾，故人工剔除部分日冕儀拍攝效果不佳的圖像.LASCO C2圖像的觀測范圍是2.3-6.5R(R為太陽半徑).由于在不同太陽活動周期內(nèi)太陽背景亮度有所差別，我們選取兩組不同時段產(chǎn)生的日冕圖像序列作為實驗數(shù)據(jù)，第I組處于第24太陽周的上升期，其時間為:2014-01-18UT00:00-2014-01-25UT22:00，第II組處于第24太陽周下降期，其時間為:2018-05-15UT00:00-2018-05-31UT22:00，其中UT為世界時.

由于太陽是一種圓對稱結(jié)構(gòu)，CME噴發(fā)過程及冕流的運動沿徑向向外移動，為便于分析和計算，本文將實驗數(shù)據(jù)由笛卡爾坐標(biāo)系轉(zhuǎn)換到極坐標(biāo)系，以日冕圖像北極為零度起點，逆時針旋轉(zhuǎn)得到極坐標(biāo)圖，并裁剪掉日冕圖像中心擋板部分.如圖2所示，圖2(左)為原始LASCO C2日冕圖像，圖2(右)為經(jīng)過預(yù)處理、極坐標(biāo)轉(zhuǎn)化，裁剪得到的極坐標(biāo)系下的日冕圖像.

圖2 LASCO C2日冕圖像(左)及對應(yīng)的極坐標(biāo)圖像(右)示例Fig.2 Examples of LASCO C2 corona image(left)and corresp onding polar coordinate image(right)

2.2 空間顯著性檢測

基于矩陣分解的顯著性檢測算法，認(rèn)為圖像背景是高度相關(guān)的，可被低秩矩陣表示，而顯著區(qū)域則是特殊且相關(guān)性較弱的區(qū)域，可被稀疏矩陣表示[25].一幅日冕圖像對應(yīng)的特征矩陣可以認(rèn)為是由一個低秩矩陣與一個稀疏矩陣以和的形式組合而成，兩個矩陣分別對應(yīng)著非顯著部分(日冕圖像背景區(qū)域)和顯著部分(CME區(qū)域以及可能存在的冕流區(qū)域).從而將日冕圖像空間顯著性檢測問題轉(zhuǎn)化為從日冕圖像的特征矩陣中求解出一個低秩矩陣和一個稀疏矩陣.

在眾多矩陣分解方法中，結(jié)構(gòu)化矩陣分解模型(Structured Matrix Decomposition，SMD)[26]使用樹形結(jié)構(gòu)約束稀疏元素，引入拉普拉斯正則項增大背景與前景之間的差異，使得顯著目標(biāo)與背景更容易區(qū)分.其核心思想如下.設(shè)日冕圖像P的觀測矩陣為F，則該觀測矩陣F可由低秩矩陣L和稀疏矩陣S構(gòu)成.首先對日冕圖像P進行特征提取，獲得相應(yīng)的紋理、灰度、邊緣特征等，經(jīng)過簡單線性迭代聚類算法(Simple Linear Iterative Clustering，SLIC)[27]分割后得到超像素塊pi，i為超像素塊的編號.結(jié)合位置、灰度、背景等高層先驗知識[28]構(gòu)建索引樹，對SMD模型進行求解，最后進行顯著性估計得到顯著圖.其中，SMD模型如(1)式所示:

這里，Ψ(L)表示低秩約束項，用以識別冗余背景塊的固有特征子空間，Ω(S)表示樹形結(jié)構(gòu)稀疏約束項，主要作用是從稀疏矩陣中捕捉補丁塊的空間與特征關(guān)系，Θ(L，S)表示交互正則項，用來擴大低秩矩陣L和稀疏矩陣S所誘導(dǎo)的子空間之間的距離，α、β為權(quán)衡參數(shù).利用交替方向法(Alternating Direction Method，ADM)[29]對(1)式求解，得到觀測矩陣F對應(yīng)的最優(yōu)解L和S.圖3為使用SMD算法進行CME空間顯著圖求解的流程圖.

圖3 使用SMD算法求解CME空間顯著圖流程圖.圖中樹形結(jié)構(gòu)中為索引樹，節(jié)點G表示由圖像分割得到的圖像塊，d表示索引樹的深度，j表示當(dāng)前層第j個節(jié)點，n d表示當(dāng)前層的節(jié)點總數(shù).Fig.3 The f low chart of solving the CME space saliency map with the SMD algorithm.The tree structure in the f igure is an index tree.Node G represents the image block obtained by image segmentation，d represents the depth of the index tree，j represents the j-th node of the current layer，and n d represents the total number of nodes in the current layer.

2.3 融合空時顯著性

冕流是日冕圖像中的一種具有較亮視覺特征、低速運動特性、相對穩(wěn)定的結(jié)構(gòu)，在空間顯著性方面與CME相似.由于空間顯著圖中可能存在冕流等干擾，因此通過SMD算法計算出CME的空間顯著性得到空間顯著圖后，仍無法較為準(zhǔn)確地確定日冕圖像中是否存在CME.如圖4所示，圖4(左)為2018-03-25UT17:48的日冕圖，圖4(右)為對應(yīng)的空間顯著圖，白框中部分即為冕流，而非CME.

圖4 含有冕流干擾情況示意圖，矩形框區(qū)域表示冕流.Fig.4 A schematic diagram of coronal streamers interference，and the area enclosed by a rectangular frame represents coronal streamers.

由于CME是一種動態(tài)爆發(fā)現(xiàn)象，具有運動目標(biāo)的“運動屬性”，從時間角度分析可知其具有一定的運動連續(xù)性，即存在時間顯著性.研究人員通過對大量的日冕圖像序列進行持續(xù)性觀測，認(rèn)為冕流等類似太陽爆發(fā)結(jié)構(gòu)體在日冕圖像中通常保持相對靜止或者運動特性極不明顯[7，30].

根據(jù)CME與冕流所呈現(xiàn)的運動屬性的差異，利用時間顯著性可以排除冕流的干擾，從而更為準(zhǔn)確地檢測出CME.獲取運動目標(biāo)運動屬性常用的方法有兩幀差分法，三幀差分法等.三幀差分法具有易實現(xiàn)、對光線等場景變化不敏感，適應(yīng)性較好等優(yōu)點，適用于日冕圖像.本文采用Sengar等[31]改進的三幀差分法來融合空時顯著性，充分利用日冕圖像的前一幀與后一幀在時間維度所產(chǎn)生的信息差異，能充分提取CME的時間顯著性.

利用三幀差分融合CME空時顯著性可表示為:其中，Dt與Dt+1分別表示第t幀日冕圖像顯著圖Salt和第t-1幀顯著圖Salt－1的差分結(jié)果以及第t幀Salt和第t+1幀Salt+1的差分結(jié)果.SalT表示將兩個差分圖像進行交運算后得到的圖像，再將SalT經(jīng)過閾值分割后得到空時顯著圖BSalT:

其中，T表示分割閾值，實驗中取T=0.7.由(4)式可知，當(dāng)BSalT的值為1時，表示前景像素也即CME，當(dāng)BSalT的值為0時，表示背景，即無CME.

2.4 后處理

利用三幀差分法對日冕圖像進行空時顯著性融合后，檢測出來的CME目標(biāo)可能存在部分“空洞”現(xiàn)象，對檢測出的CME區(qū)域進行形態(tài)學(xué)處理，進一步優(yōu)化檢測結(jié)果.

將融合空時顯著性的日冕圖像檢測出的CME區(qū)域BSalT進行形態(tài)學(xué)處理:SW表示經(jīng)過后處理后得到的完整的日冕圖像區(qū)域，“·”為閉合操作運算符號，“?”為開啟操作運算符號，se表示數(shù)學(xué)形態(tài)學(xué)操作掩膜.當(dāng)檢測目標(biāo)區(qū)域存在空洞時，應(yīng)用(5)式進行處理，最終得到較為完整的CME區(qū)域.

3 實驗結(jié)果與分析

本文的實驗環(huán)境如下:CPU:Intel Xeon E3-1245 v5 3.5 GHz，RAM 32G，操作系統(tǒng)為Windows 10 64位專業(yè)版，編程運行環(huán)境為Matlab R2017a.本文以兩組不同時段產(chǎn)生的日冕圖像序列作為實驗數(shù)據(jù)，以對應(yīng)時間CDAW人工目錄數(shù)據(jù)為基準(zhǔn)，與主流的自動檢測方法CACTus、SEEDS等方法進行對比，來驗證本文方法的有效性.

3.1 CM E的檢測數(shù)量分析

CME的檢測本質(zhì)上屬于一種分類任務(wù)，為了更加全面地對比不同檢測方法的優(yōu)劣，在這里給出適用于以人工目錄CDAW為基準(zhǔn)時CME檢測任務(wù)中常用的參數(shù)以及評價指標(biāo).主要有:真陽性(True Positive，TP)也即CDAW檢測到CME的同時也被對比方法檢測到;假陽性(False Positive，F(xiàn)P)也即CDAW未檢測到CME的同時但對比方法卻檢測到了;假陰性(False Negative，F(xiàn)N)也即CDAW檢測到CME的同時但對比方法并未檢測到;真陰性(True Negative，TN)這里不適用，已忽略.

通過上述參數(shù)可以計算出分類任務(wù)中常用的召回率(Recall)、精確率(Precision)、F1值(F1-score)等評價指標(biāo).以人工方法CDAW為基準(zhǔn)時，召回率反映出相對基準(zhǔn)方法的檢測結(jié)果，對比方法檢出的CME所占比例，即查全率;精確率反映出對比方法所檢出的CME中，真實CME所占比例，即查準(zhǔn)率;F1值是對召回率與精確率的整體評價，其大小介于0-1之間.CME檢測評價指標(biāo)如表1所示.

表2和表3展示了本文方法與人工方法CDAW及自動檢測方法SEEDS、CACTus在兩段時間日冕圖像序列中所檢測的CME個數(shù)以及相應(yīng)的分類檢測指標(biāo).其中除表1中包含的各項指標(biāo)外，檢測總個數(shù)(Total number of detected)分別是不同方法在實驗數(shù)據(jù)中對應(yīng)時間段內(nèi)所檢測到CME個數(shù).

表1 CME檢測方法性能評估指標(biāo)Table 1 Perform ance evaluation ind ex es of CM E d etection m ethod

表2 在時間段I中不同檢測方法得到的結(jié)果對比(以CDAW為基準(zhǔn))Table 2 Comp ar ison of results obtained by d iffer ent d etection method s in time p eriod I(based on CDAW)

表3 在時間段II中不同檢測方法得到的結(jié)果對比(以CDAW為基準(zhǔn))Table 3 Com p ar ison of results obtained by d iffer ent d etection m ethod s in tim e p eriod II(based on CDAW)

當(dāng)以人工目錄CDAW為基準(zhǔn)參考目錄時，通過表2和表3的CME分類檢測指標(biāo)可以看出，本文方法在兩段時間內(nèi)的CME檢測準(zhǔn)確率(也即召回率)均高于其他對比方法，檢測性能F1值也高于對比方法.從檢測CME數(shù)量上看，相較于其他對比方法，本文方法取得了較好的CME檢測分類效果.在表3可以看到，CACTus精確率雖然略高，但其檢測準(zhǔn)確率較低，反映出其漏檢較多，而本文方法的召回率相對SEED和CACTus高出0.32和0.4，從整體評價指標(biāo)F1值也可體現(xiàn)本文方法的優(yōu)勢.此外，從表2和表3還能看出本文方法在檢測CME總個數(shù)方面要略多于人工目錄CDAW，這可能由于人工記錄CDAW目錄數(shù)據(jù)時存在人為主觀因素導(dǎo)致判斷標(biāo)準(zhǔn)嚴(yán)苛造成漏檢漏報等情況.從表2可以看到在時間段I期間發(fā)生的日冕圖像序列中，SEEDS方法所檢測到的CME個數(shù)最多，而CACTus所檢測到的CME個數(shù)相對較少.

在同一個CME噴發(fā)過程中，CME隨時間演變其形態(tài)發(fā)生變化.我們?yōu)g覽了SEEDS目錄日志電影，發(fā)現(xiàn)在對于同一個CME而言，當(dāng)其后沿與前沿運動速度不一致時會發(fā)生形態(tài)、灰度上的差異，SEEDS會將有差異的后沿也檢測成一個CME，從而導(dǎo)致誤檢，這也是SEEDS所檢測到的CME個數(shù)多于CDAW和CACTus目錄參考值的一個重要原因.

本文方法在時間段I中2014-01-19UT01:36時刻檢測到一個中心角為181°，角寬度為36°的CME.SEEDS目錄在該時刻附近檢測有CME發(fā)生，但SEEDS將其誤檢為兩個CME.SEEDS在2014-01-19UT01:36時刻檢測出一個中心角為171°，角寬度為6°的CME，其持續(xù)時間至2014-01-19UT02:00，在2014-01-19UT01:48檢測出一個中心角為180°，角寬度為25°的CME，其持續(xù)時間至2014-01-19UT02:36.通過觀察分析可知，事實上SEEDS所檢測到的兩個CME為同一個CME，由于CME隨時間演變，形態(tài)發(fā)生變化，因此造成了SEEDS誤檢.圖5所示為SEEDS在時間段I中檢測CME發(fā)生誤檢情況圖像，該圖由SEEDS官網(wǎng)提供，圖中左上角為CME動態(tài)演化參數(shù):差分時間、位置角(PAs)、高度(Height，其中Rs為與太陽半徑的比值).圖6為本文方法檢測到該CME在直角坐標(biāo)系下部分日冕圖像序列的示意圖，圖中白色虛線扇形區(qū)域為CME.

圖5 SEEDS誤檢示例.左圖為SEEDS在2014-01-19UT 01:36檢測的中心角度為171°，角寬度為6°的CME;右圖為SEEDS在2014-01-19UT 01:48檢測的中心角度為180°，角寬度為25°的CME.圖中，紅色“+”表示SEEDS認(rèn)為該區(qū)域為明顯具有CM E特征的區(qū)域，紫色“+”表示SEEDS認(rèn)為該區(qū)域為可能是CME的區(qū)域.Fig.5 An example of SEEDS misdetection.Left:a CME with a center angle of 171°and an angular width of 6°detected by SEEDS at 2014-01-19UT 01:36;right:a CM E with a center angle of 180°and an angular width of 25°detected by SEEDS at 2014-01-19UT 01:48.In the f igure，red“+”indicates that SEEDS considers this area to be an area with obvious CME characteristics，and purple“+”indicates that SEEDS considers this area to be an area that may be CME.

圖6 本文方法在2014-01-19UT 01:36時刻附近檢測的CME部分圖像序列示意圖，圖中白色扇形區(qū)域為本文方法檢測的CME.Fig.6 A schematic diagram of the partial image sequence of the CME detected with our method near 2014-01-19UT 01:36，where the white fan-shaped areas represent the CME.

通過表3可知，在時間段II中，CDAW目錄檢測到25個CME事件，本文方法檢測到35個CME事件，本文方法檢測出15個與CDAW目錄特征一致的CME事件，以人工目錄CDAW為基準(zhǔn)時，本文方法的檢測成功數(shù)多于SEEDS和CACTus.

此外，從表3還能看出在CDAW目錄中有10個CME事件未被本文方法檢測到，簡記為情況1，本文方法檢測到的CME中有20個沒有被CDAW目錄檢測到，簡記為情況2.因此，我們對這兩種情況進行分析說明.情況1如表4所示，情況2如表5所示.其中，“√”表示檢測方法檢測到CME，“×”表示檢測方法未檢測到CME.

表4 情況1檢測結(jié)果對比Table 4 Comp arison of test results in case 1

表5 情況2檢測結(jié)果對比Table 5 Com p arison of test results in case 2

在情況1中，絕大多數(shù)事件為非常微弱的CME事件，本文方法在情況1中存在漏檢的情況，如序號為2、5、7的CME事件.通過瀏覽相應(yīng)的目錄日志電影，我們發(fā)現(xiàn)CDAW的檢測結(jié)果也存在一些爭議，如序號為3和8的CME事件發(fā)生狀態(tài)不明顯，無法完全判定為CME.此外，可能由于日冕儀成像設(shè)備原因，導(dǎo)致CDAW將日冕圖像中突然出現(xiàn)的閃爍區(qū)域判定為CME，如序號為4和6，進而導(dǎo)致CDAW出現(xiàn)誤檢.

在情況2中，通過對比瀏覽CDAW、SEEDS、CACTus目錄日志電影作為輔助分析，我們發(fā)現(xiàn)本文方法存在一些誤檢情況，如序號為9、10、14、15、16、19的CME事件，本文方法將這些非CME事件誤檢測為CME事件，這主要是對冕流的濾除效果不佳造成的.另外，由于檢測到CME時的起始時間差異，存在本文方法檢測到的多個CME對應(yīng)CDAW中一個持續(xù)時間較長的CME的情況，如序號為11、12、13的CME事件，這3個事件對應(yīng)CDAW目錄中5月19日8時24分發(fā)生的一個CME事件.由于人工判斷的主觀原因，導(dǎo)致CDAW中存在漏檢情況.在情況2中，存在兩個CDAW漏檢事件.第1個是表5中序號為18的CME事件，本文檢測到這個CME中心角為92°，角寬度為8°，SEEDS在當(dāng)日12時12分檢測到中心角為95°，角寬度為11°的CME，通過瀏覽SEEDS目錄日志電影，這的確是一個CME，但CDAW未檢測到.第2個是序號為20的CME事件，本文檢測到這個CME中心角為74°，角寬度為21°，SEEDS與CACTus在臨近時刻均檢測到這個CME，而CDAW未檢測到，這說明本文方法能夠檢測到CDAW目錄中遺漏的CME.圖7為本文方法在2018-05-31UT21:12附近檢測的一個CME演化的示意圖.

圖7 本文方法在2018-05-31UT 21:12檢測到的CME演化情況，實線為本文檢測結(jié)果，虛線為SEEDS目錄檢測結(jié)果，點線為CACTus檢測結(jié)果.Fig.7 The CME evolution detected by the method in this paper at 2018-05-31UT 21:12，solid line is the detection result of this pap er，dashed line is the SEEDS catalog detection result，and dotted line is the CACTus detection result.

3.2 CM E特征參數(shù)分析

通常，若給定CME的中心角度(位置角)、角寬度等物理位置參數(shù)，就能在日冕圖像中確定一個CME的發(fā)生位置和形態(tài)[7，32].因此，本文還從中心角、角寬度等物理參數(shù)方面出發(fā)來驗證本文方法的有效性.

3.2.1 CME的中心角度

中心角度是區(qū)分不同CME的核心特征物理參數(shù)，本文從兩組不同時間段的日冕圖像中檢測CME中心角度，圖8所示為在兩段時間內(nèi)本文方法與人工參考目錄CDAW共同檢測到的CME中心角度誤差統(tǒng)計圖，圖中橫軸為中心角度之差的絕對值，縱軸為單個事件數(shù)占所檢測事件總數(shù)的比例.

圖8 左圖為時間段I中本文方法與CDAW目錄共同檢測的CME中心角度統(tǒng)計誤差圖;右圖為時間段II中本文方法與CDAW目錄共同檢測的CME中心角度統(tǒng)計誤差圖.Fig.8 Left panel shows the statistical error of the CME center angle detected by this method and the CDAW catalog in time period I;right panel shows the statistical error of the CME center angle detected by this method and the CDAW catalog in time period II.

結(jié)合圖8可以看出，當(dāng)以人工目錄CDAW為基準(zhǔn)參考時，本文方法檢測的CME中心角度與人工目錄CDAW的數(shù)值總體上誤差較小，精度較高.

本文方法與人工方法CDAW和自動方法SEEDS、CACTus在兩個時間段內(nèi)共同檢測到的CME中心角度分布情況，如圖9所示，圖中橫坐標(biāo)表示4種方法共同檢測到的CME個數(shù)的序號，縱坐標(biāo)表示中心角度數(shù)值，單位是度(°).圖9(左)為4種方法在時間段I中共同檢測到的5個CME的中心角度分布折線圖，圖9(右)為4種方法在時間段II中共同檢測到的5個CME的中心角度分布折線圖.從圖9可以看出，當(dāng)以人工檢測方法CDAW為基準(zhǔn)時，本文方法在兩個時間段內(nèi)所檢測的CME中心角度與SEEDS、CACTus方法相比更靠近人工CDAW，具有一定的可靠性.

圖9 左圖為在時間段I中本文方法與其他方法共同檢測的5個CME的中心角度對比;右圖為在時間段II中本文方法與其他方法共同檢測的5個CME的中心角度對比.Fig.9 Left panel is a comparison of the center angles of 5 CMEs detected by this method and other methods in time p eriod I;right panel is a comparison of the center angles of 5 CMEs detected by this method and other methods in time p eriod II.

為進一步分析說明，當(dāng)以人工目錄CDAW為基準(zhǔn)參考時，本文方法在檢測CME中心角度上的優(yōu)勢，表6中給出了本文方法與人工方法CDAW和自動方法SEEDS、CACTus在兩段時間內(nèi)共同檢測到的10個CME中心角度的平均誤差以及誤差的標(biāo)準(zhǔn)差.

從表6可以看出，以人工目錄CDAW數(shù)據(jù)為基準(zhǔn)時，本文方法的中心角度平均誤差最小.此外，中心角度誤差的標(biāo)準(zhǔn)差也反映出本文方法所檢測的CME中心角度與SEEDS、CACTus等方法相比更接近人工方法CDAW檢測的參考值.

表6 本文方法與SEEDS、CACTus在兩段時間內(nèi)共同檢測到CME中心角度平均誤差及誤差標(biāo)準(zhǔn)差(以CDAW目錄為基準(zhǔn))Table 6 The average er ror and stand ard d eviation of the center angles of the CM Es detected by the method in this pap er，SEEDS and CACTus in two p eriods of time(based on the CDAW catalog)

通過上述分析，結(jié)合CME中心角度的平均誤差和標(biāo)準(zhǔn)差分布情況，當(dāng)以人工目錄CDAW為基準(zhǔn)參考時，本文方法在共同檢測到CME的中心角度方面比SEEDS、CACTus具有更好的穩(wěn)定性.尤其是與SEEDS相比時，所檢測到CME中心角度數(shù)值誤差起伏較小.

3.2.2 CME的角寬度

角寬度也是CME核心特征物理參數(shù)之一，常用來描述CME爆發(fā)時的形態(tài)特征.為進一步分析說明本文方法在檢測CME角寬度上的優(yōu)勢，以人工目錄CDAW為基準(zhǔn)參考，本文與CDAW、SEEDS、CACTus等方法在兩組時間段內(nèi)共同檢測到的CME個數(shù)均為5，其角寬度分布折線圖如圖10所示.圖中橫坐標(biāo)表示4種方法共同檢測到的CME個數(shù)的序號，縱坐標(biāo)表示角寬度數(shù)值.圖10(左)為4種方法在時間段I中共同檢測到的5個CME的角寬度分布折線圖，圖10(右)為4種方法在時間段II中共同檢測到的5個CME的角寬度分布折線圖.

通過圖10可以看出，當(dāng)以人工方法CDAW檢測結(jié)果為基準(zhǔn)時，本文方法所檢測到的CME角寬度比SEEDS、CACTus等方法更靠近人工方法CDAW檢測參考值.

圖10 左圖為在時間段I中本文方法與其他方法共同檢測的5個CME角寬度對比;右圖為在時間段II中本文方法與其他方法共同檢測的5個CME角寬度對比.Fig.10 Left panel is a comparison of 5 CMEs angular widths detected by this method and other methods in time p eriod I;Right panel is a comparison of 5 CMEs angular widths detected by this method and other methods in time period II.

為進一步比較說明本文方法在檢測CME角寬度時的優(yōu)勢，此處還給出了以人工目錄CDAW為基準(zhǔn)參考時，本文方法與自動方法SEEDS、CACTus在兩組時間段內(nèi)共同檢測到的10個CME的角寬度平均誤差與誤差的標(biāo)準(zhǔn)差，如表7所示.

從表7可以看出，當(dāng)以人工目錄CDAW為基準(zhǔn)參考時，一方面，本文方法的角寬度誤差最小，這說明本文方法在檢測CME角寬度方面總體數(shù)值與人工目錄CDAW參考值比較靠近.另一方面，角寬度誤差的標(biāo)準(zhǔn)差也反映出本文方法比SEEDS、CACTus更接近CDAW目錄數(shù)值的同時誤差波動起伏較小，具有一定的可靠性.

表7 本文方法與SEEDS、CACTus在兩段時間內(nèi)共同檢測到的CME的角寬度平均誤差及誤差標(biāo)準(zhǔn)差(以CDAW目錄為基準(zhǔn))Table 7 The average er ror and stand ard d eviation of the angular w id ths of the CM Es d etected by the method in this p ap er，SEEDS and CACTus in two p eriod s of tim e(based on the CDAW catalog)

4 總結(jié)與展望

本文選取部分SOHO LASCO C2日冕圖像并進行處理，以人工目錄CDAW數(shù)據(jù)為基準(zhǔn)，進行CME檢測.針對現(xiàn)有檢測方法因忽略CME的時間運動信息，導(dǎo)致檢測結(jié)果存在一定偏差，且易將冕流等非CME結(jié)構(gòu)認(rèn)為是CME等問題，本文使用基于結(jié)構(gòu)化矩陣分解的空間顯著性檢測方法初步得到日冕圖像的顯著前景，使用三幀差分法將CME的時間顯著性與空間顯著圖融合，濾除部分冕流的干擾.實驗結(jié)果表明，與以往的檢測方法相比，當(dāng)以人工目錄CDAW為參考時，本文方法不僅在檢測數(shù)量上具有一定的可靠性，而且在檢測CME特征物理參數(shù)上具有一定的優(yōu)勢.此外，本文方法采用無監(jiān)督學(xué)習(xí)的方式，在一定程度上避免有監(jiān)督方式帶來的人工主觀誤差，使得檢測結(jié)果更加客觀.

本文工作具有以下創(chuàng)新意義:一是將顯著性檢測方法引入CME檢測，無監(jiān)督方式無需人工制作大量標(biāo)簽圖像.二是將CME的運動時間信息加以利用，取得較好的檢測效果.同時，本文工作可為我國ASO-S[4-5]相關(guān)研究工作提供一定的參考.CME的檢測僅是探究CME爆發(fā)現(xiàn)象的起點，在未來，我們將致力于研究CME向行星際空間運動繼而形成行星際日冕物質(zhì)拋射(Interplanetary Coronal Mass Ejection，ICME)及其傳播機制、到達地球的時間等[33]，這些都將是后續(xù)研究的重點，對預(yù)測空間天氣防災(zāi)減災(zāi)有著重要意義.