项目名称: 基于相位一致性的太阳图像低对比度特征提取研究

项目编号: No.11463003

项目类型: 地区科学基金项目

立项/批准年度: 2015

项目学科: 天文学、地球科学

项目作者: 冯松

作者单位: 昆明理工大学

项目金额: 62万元

中文摘要: 太阳观测图像中存在大量的低对比度特征结构。它们具有局部相对强度小、结构边缘模糊的特点,因而难以运用传统的基于强度和梯度两个基本量的图像处理方法进行准确的特征结构提取。近年来的研究发现,相位一致性也是一种描述图像底层特征的基本量,并且对特征强度和对比度的测度具有不变性。我们的实验表明,与传统的识别方法相比,基于这一理论的处理方法在太阳图像低对比度特征结构提取上有较为明显的效果。本项目以太阳黑子本影区域的本影点和本影闪耀,以及冕环的形态特征作为具体的研究对象,进一步深入研究如何将相位一致性理论和方法应用于多种太阳观测图像,以便有效地提取低对比度特征结构。本项目拟解决的关键技术包括:滤波器的设计以及方向的选择、噪声补偿机制、特征提取与所测量物理量的联系等。项目特色和创新在于将与强度和梯度图像处理方法完全不同的底层特征描述- - 相位一致性引入到太阳图像处理中。本项目研究成果预计将有广泛的应用价值。

中文关键词: 图像处理;低对比度;相位一致性;特征提取

英文摘要: There are abundant low-contrast phenomena in solar observations. Traditional method of feature detection using intensity or/and gradient threshold is extremely diffcult to accurately identify the low-contrast features, because they appear as blurred edges and relatively low intensity values. Phase Congruency (PC) is a novel method describing low-level features of image, which is perfectly combined local image intensity with phase in frequency domain. It is invariant measure to image luminance, contrast, intensity, and image magnification. The characteristics can solve the problem that traditional method of image processing excessively depends on image intensity or/and gradient threshold.Our expriments show that the feature detection with PC is more efficient than traditional methods with image intensity and gradient in respect of low-contrast feature extraction. We will research the low-contrast features with sunspot umbra and conoral loops of off-limb because they exhibit typical features of lower contrast than adjacent features.We focus on solving challenging technical problems in obtaining phase characteristics, noise compensation and description of ROI using PC. One of the innovative points of the proposal is that we lead the PC technique to sloar image processing in order to solve the problem of low-contrst feature detection. The goal of this proposal is to increase the identification accuracy of low-contrast features and the robustness of the algorithm from a new perspective, and to reduce the negative effects of subjective factors in solar image processing. Finally, the proposed research may be applied to other features extraction from solar images.

英文关键词: Image Processing;Low-contrast;Phase Congruency;Feature Detection

成为VIP会员查看完整内容
0

相关内容

图像处理(image processing),用计算机对图像进行分析,以达到所需结果的技术。又称影像处理。图像处理一般指数字图像处理。数字图像是指用工业相机、摄像机、扫描仪等设备经过拍摄得到的一个大的二维数组,该数组的元素称为像素,其值称为灰度值。
医学图像关键点检测深度学习方法研究与挑战
专知会员服务
50+阅读 · 2022年4月10日
细粒度图像分类的深度学习方法
专知会员服务
41+阅读 · 2021年10月18日
专知会员服务
50+阅读 · 2021年8月13日
专知会员服务
69+阅读 · 2021年3月29日
专知会员服务
70+阅读 · 2021年3月23日
专知会员服务
61+阅读 · 2021年3月6日
【AAAI2021】基于双任务一致性的半监督医学图像分割
专知会员服务
30+阅读 · 2021年2月7日
专知会员服务
18+阅读 · 2020年12月23日
专知会员服务
77+阅读 · 2020年12月6日
《常微分方程》笔记,419页pdf
专知会员服务
71+阅读 · 2020年8月2日
综述:图像滤波常用算法实现及原理解析
极市平台
0+阅读 · 2022年1月29日
计算机视觉中的传统特征提取方法总结
极市平台
1+阅读 · 2021年12月9日
图像描述生成研究进展
专知
1+阅读 · 2021年3月29日
光学遥感图像目标检测算法综述
专知
8+阅读 · 2021年3月23日
最全综述 | 图像分割算法
计算机视觉life
14+阅读 · 2019年6月20日
图像检索研究进展:浅层、深层特征及特征融合
机器学习研究会
65+阅读 · 2018年3月26日
实战|手把手教你实现图象边缘检测!
全球人工智能
10+阅读 · 2018年1月19日
红外弱小目标处理研究获进展
中科院之声
17+阅读 · 2017年11月19日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
2+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
Arxiv
0+阅读 · 2022年4月28日
Arxiv
0+阅读 · 2022年4月27日
Arxiv
0+阅读 · 2022年4月27日
Arxiv
31+阅读 · 2020年9月21日
A Comprehensive Survey on Graph Neural Networks
Arxiv
13+阅读 · 2019年3月10日
Arxiv
11+阅读 · 2018年5月13日
小贴士
相关VIP内容
医学图像关键点检测深度学习方法研究与挑战
专知会员服务
50+阅读 · 2022年4月10日
细粒度图像分类的深度学习方法
专知会员服务
41+阅读 · 2021年10月18日
专知会员服务
50+阅读 · 2021年8月13日
专知会员服务
69+阅读 · 2021年3月29日
专知会员服务
70+阅读 · 2021年3月23日
专知会员服务
61+阅读 · 2021年3月6日
【AAAI2021】基于双任务一致性的半监督医学图像分割
专知会员服务
30+阅读 · 2021年2月7日
专知会员服务
18+阅读 · 2020年12月23日
专知会员服务
77+阅读 · 2020年12月6日
《常微分方程》笔记,419页pdf
专知会员服务
71+阅读 · 2020年8月2日
相关资讯
综述:图像滤波常用算法实现及原理解析
极市平台
0+阅读 · 2022年1月29日
计算机视觉中的传统特征提取方法总结
极市平台
1+阅读 · 2021年12月9日
图像描述生成研究进展
专知
1+阅读 · 2021年3月29日
光学遥感图像目标检测算法综述
专知
8+阅读 · 2021年3月23日
最全综述 | 图像分割算法
计算机视觉life
14+阅读 · 2019年6月20日
图像检索研究进展:浅层、深层特征及特征融合
机器学习研究会
65+阅读 · 2018年3月26日
实战|手把手教你实现图象边缘检测!
全球人工智能
10+阅读 · 2018年1月19日
红外弱小目标处理研究获进展
中科院之声
17+阅读 · 2017年11月19日
相关基金
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
2+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
相关论文
微信扫码咨询专知VIP会员