学位论文 > 优秀研究生学位论文题录展示
太阳宁静区磁场流场特性知识发现的方法研究
作 者: 谢宗霞
导 师: 于达仁;张军
学 校: 哈尔滨工业大学
专 业: 动力工程及工程热物理
关键词: 太阳流场 太阳磁场 概念体 图像分割 知识发现
分类号: P182.7
类 型: 博士论文
年 份: 2010年
下 载: 44次
引 用: 0次
阅 读: 论文下载
内容摘要
随着光学技术、数据存储技术以及空间探测技术的不断进步,越来越先进的系统被应用于太阳观测,高分辨率的太阳图像数据越来越丰富。这些数据记录了各种太阳活动过程和太阳物理规律,迫切需要开发快速、有效的方法挖掘太阳图像中蕴含的有用知识。当前太阳物理学者主要利用手工分析或者计算机图像处理的半自动方法来发现知识。该方式效率较低、分析精度也受到研究人员主观因素的影响,因此本文提出一种基于概念体的太阳物理知识自动发现的方法,给出了该方法的基本算法框架,并且将这一框架应用于太阳宁静区磁场流场图像知识发现。首先,分析了太阳物理知识和物理研究者对太阳图像的描述方式,以及当前基于手工方式,基于图像处理技术的半自动方式和基于物理模型的理论推测的知识提取模式。发现现有的知识描述都是基于概念体进行的,知识提取模式主要目的是得到新的概念或者研究已有概念体的一些特性。太阳图像上的研究只有基于概念体才具有物理意义,才能进行后续的物理知识发现。基于像素或基于像素集团来进行研究体现不出物理概念。因此本文提出了基于概念体的太阳图像知识发现,并给出了基于概念体的太阳图像知识发现的一般框架。该框架包含图像中概念体的提取,概念体的刻画和细分,概念体中隐含的知识提取三大部分。整个框架不仅融合了人工智能研究领域的认知心理学的思想和人类智能的一个公认的特点―信息粒化的思想,而且有效的为图像领域知识的引入提供了接口,能提高对信息的利用率。此外,还能从多个不同的高维空间中对各种概念体挖掘出多角度不易发现的规律。其次,研究了太阳图像中概念体的提取方法。概念体是太阳图像具有物理含义的信息表达的基本单元,是太阳物理知识自动发现的前提。通过领域知识可知,宁静区太阳米粒图像包含了米粒和暗径两种概念体,而磁场图像中包含了磁元这种概念体。所以对磁场和米粒图像去噪后进行自动分割即可得到概念体。对于米粒图像,本文采用二维维纳滤波对其进行去噪,并基于形态学方法提取每个米粒的中心区域作为标记;而磁场图像则是在偏振信号上去除一倍噪声的数据,并用在所有方向都是极值的局部极值像素作为标记。用带标记的分水岭方法对米粒和磁场图像进行分割,并对米粒和磁元的分割效果进行了评价和对比分析。分析表明带标记的分水岭算法能够有效抑制图像中的噪声,防止过分割和欠分割现象,能够比较精确的得到图像中的概念体,这为后续的物理知识发现打下了基础。然后,研究了磁元和米粒等概念体的刻画和细分方法。为了研究概念体在特征空间的结构,提取了磁元的周长、面积、磁场特性等6个属性和米粒的周长、面积、亮度、速度等10个属性对概念体进行刻画。此时磁元和米粒可以表示成空间的一个点,采用领域知识和自动聚类算法,探索了这些概念体在特征空间中的结构。基于先验信息可以将米粒分成运动方向向上的米粒和向下的米粒,或者大米粒和小米粒。而利用X-means聚类算法,也可以将5个特征描述的米粒分成2类,6个特征描述的磁元分成2类,4个特征描述的磁元则分成4类。最后,进行了基于概念体的宁静太阳图像数据挖掘。分析了概念体在单一属性描述下的均值、方差和概率分布特性。利用1-规则算法和决策树算法分别提取了米粒在5个属性描述的空间中分成2类的规则,表明了米粒能够分成大小米粒群。利用决策树算法提取了磁元在6个属性描述的空间里分成2类和4个属性描述的空间里分成4类的规则。得出的规则表明,通过亮度,可以分成亮磁元和暗磁元2类;而通过面积和磁通量可以分成面积大且磁通量大、面积大但磁通量小、面积中等和面积小4类不同的磁元。利用线性相关系数、信息熵和支持向量机等方法分析了米粒的直径等6个属性与米粒运动速度之间的相关程度。研究表明,与米粒运动方向较相关的属性分别为米粒的亮度、米粒的直径以及相邻暗径的速度,而磁场特性对速度的影响不大。上述研究例证了本文提出的方法的有效性。
|
全文目录
摘要 4-6 Abstract 6-15 第1章 绪论 15-32 1.1 太阳宁静区磁场流场特性的研究意义 15-16 1.2 太阳宁静区特性的研究现状 16-20 1.2.1 太阳宁静区磁场 16-17 1.2.2 太阳宁静区的对流运动 17-19 1.2.3 对流和磁场演化的关系研究 19-20 1.3 太阳磁场流场的物理观测及分析方法 20-26 1.3.1 太阳磁场流场观测的发展现状 20-22 1.3.2 太阳图像处理及数据分析 22-26 1.4 本文的研究思路及组织结构 26-32 1.4.1 太阳磁场流场特性知识发现概念 26-29 1.4.2 本文的研究内容和组织结构 29-32 第2章 基于概念体的太阳图像知识发现框架 32-52 2.1 引言 32 2.2 太阳图像的知识描述形式 32-36 2.2.1 太阳磁场图像的描述 33-34 2.2.2 太阳流场图像的描述 34-36 2.3 现有的太阳图像物理知识提取的模式 36-43 2.3.1 基于人工的图像知识提取模式 36-37 2.3.2 基于图像处理的半自动知识提取模式 37-38 2.3.3 基于观测图像的理论推测模式 38-43 2.4 基于概念体的太阳图像知识自动发现 43-46 2.4.1 基于概念体研究的必要性 43-44 2.4.2 基于概念体的太阳图像知识发现框架 44-46 2.5 基于概念体的太阳图像知识发现框架的特点 46-50 2.5.1 概念在认知中的中心作用 46-48 2.5.2 信息粒化在图像知识发现中的应用 48-49 2.5.3 先验信息在图像知识发现中的作用 49-50 2.6 本章小结 50-52 第3章 太阳图像上概念体的自动抽取—图像分割 52-80 3.1 引言 52-53 3.2 磁场流场数据反演及相关信息 53-55 3.2.1 数据反演 53 3.2.2 米粒图像数据及特点 53-54 3.2.3 磁场图像的特性分析 54-55 3.3 太阳图像自动分割算法 55-68 3.3.1 带标记的分水岭图像分割算法 55-61 3.3.2 米粒图像的分割 61-67 3.3.3 磁场图像的分割 67-68 3.4 分割效果评价及比较 68-78 3.4.1 米粒的分割效果 68-69 3.4.2 磁元分割算法的比较 69-78 3.5 本章小结 78-80 第4章 太阳磁场流场图像中概念体的刻画及其细分 80-107 4.1 引言 80-81 4.2 概念体的刻画 81-86 4.2.1 米粒的刻画 81-84 4.2.2 磁元的刻画 84-86 4.3 概念的细分 86-103 4.3.1 基于先验信息的概念细分 86-91 4.3.2 基于模式聚类方法的概念细分 91-97 4.3.3 实验分析 97-103 4.4 本章小结 103-107 第5章 基于概念体的太阳磁场流场图像数据挖掘 107-135 5.1 引言 107 5.2 基于统计方法的概念抽取 107-113 5.2.1 简单的统计—均值、方差和分布 107-109 5.2.2 磁元与米粒的位置关系的统计分析 109-111 5.2.3 不同磁场强度的米粒群的统计分析 111-113 5.3 基于规则学习的概念抽取 113-126 5.3.1 1-规则学习 113-115 5.3.2 基于决策树的规则学习 115-119 5.3.3 实验分析 119-126 5.4 基于概念体的主导因素分析 126-131 5.4.1 基于相关系数的属性重要度评价 126-127 5.4.2 基于信息熵的非线性关系评价 127-128 5.4.3 基于SVM的属性重要度评价 128-130 5.4.4 实验分析 130-131 5.5 基于概念体的图像知识发现的优势 131-133 5.6 本章小结 133-135 结论 135-137 参考文献 137-149 攻读博士学位期间发表的学术论文 149-152 致谢 152-153 个人简历 153
|
相似论文
- 森林防火系统中图像识别算法的研究,TP391.41
- 数字图像处理在集装箱检测中的应用研究,TP274.4
- 个性化人工膝关节设计及其生物力学特性研究,R318.1
- 基于图像处理技术的烟叶病害自动识别研究,S435.72
- 红外图像目标识别及跟踪技术研究,TP391.41
- 细菌聚类算法及其在图像分割问题中的研究与应用,TP391.41
- 基于粒子群优化的Fuzzy c-mean聚类算法的基因芯片图像处理,TP391.41
- 基于知识的脊柱MRI影像分割算法研究,TP391.41
- 基于OpenCV的人脸检测方法研究,TP391.41
- 计算机辅助髋关节置换手术系统研究与开发,TP391.41
- 基于单目夜视图像的深度估计,TP391.41
- 基于中介真值程度度量的图像分割方法研究,TP391.41
- 基于图像处理的棉花成熟度判定技术的研究,TP391.41
- 基于空间邻域词袋模型的图像标注技术,TP391.41
- 基于数字图像处理技术的路面裂缝检测算法研究,TP391.41
- Web图像搜索中基于GPU的图像分割技术术究,TP391.41
- 基于改进的GVF主动轮廓模型的图像分割方法研究,TP391.41
- 基于主动轮廓模型的图像分割方法研究,TP391.41
- 基于主动轮廓模型的心脏核磁共振图像左心室分割方法研究,TP391.41
- 基于特征的纸币号码识别的研究,TP391.41
- 手指静脉识别技术研究,TP391.41
中图分类: > 天文学、地球科学 > 天文学 > 太阳系 > 太阳物理学 > 太阳的磁场
© 2012 www.xueweilunwen.com
|