基于三维分割的太阳光球亮点特征提取技术研究

Inter-granular Bright Points (igBPs) are small-scale objects in the solar photosphere which can be seen within dark inter-granular lanes. The aim of this proposal is to improve the reliability and accuracy of the algorithm which is used to identify, track and extract igBPs. A four-dimensional coordinate system(x, y, i, t) including the location(x, y), intensity(i) and time(t) is defined to reveal the three-dimensional structure of igBPs. In this coordinate system, both the intensity in a single image and the evolution on the time-dimension are fully exploited, and then a three-dimensional segmentation is employed to identify the structure of igBPs. The evolution of igBPs is reflected on the time-dimension of the three-dimensional structure. This approach differs from the traditional "Detect before Track" method that the igBPs are first detected in each image, and then tracked in time-series images. The studying is focused on the following fields: three-dimensional image preprocessing which consists of smoothing, sharpening, especial preprocessing noises on the time-dimension; obtaining the preliminary structure of igBPs by using the three-dimensional segmentation; identifying igBPs more accurately by filtering out all other structures except igBPs; extracting the complex structures of igBPs that undergo splitting or merging. The key technologies consist of three-dimensional asymmetrical filter, three-dimensional region growing algorithm with growth criterion definition and seed management, comparison of all regional structures and identification of igPBs. The results of this research will not only be useful for extracting igBPs, but also useful for the other similar phenomena in the solar images.

本项目研究太阳高分辨率图像中光球亮点（igBPs）的识别、跟踪和特征提取等图像处理问题。提出了在四维坐标系下进行三维立体分割的思想，旨在提高igBPs处理算法的可靠性和准确性。目前国内外对igBPs的处理基本上采用了"先识别后跟踪"的方式，即先在单幅图像上进行目标分割识别、然后再在时间序列图像中跟踪其演化过程，把识别和跟踪分为两个独立的处理过程。本项目的创新之处在于将序列图像构建成一个包含平面坐标x,y、强度i和时间t的四维坐标系，充分利用时间轴上的关联性，将igBPs的识别与跟踪问题转换成在这个四维坐标系下根据强度进行三维分割和识别其立体结构的问题。研究内容包括三维预处理、igBPs立体结构的分割、筛选和确认，以及发生合并与分裂的复杂igBPs结构的处理。关键技术包括基于三维形态学的不对称滤波和平滑、区域生长算法的种子管理和生长准则定义、不同特征体的区域特性比对和igBPs的精确提取等。

光球亮点是太阳表面目前能观测到的最小尺度磁场结构——磁流管的示踪物。本项目旨在提高太阳高分辨率图像中光球亮点的识别、跟踪和特征提取的可靠性和准确率等。目前国内外对光球亮点进行特征提取时基本采用了先识别后跟踪的方式，即先在单幅图像上识别亮点、然后再在序列图像中跟踪其演化过程。这类方法会因为演化中的亮点不断变化的强度而导致在单帧上漏检较弱的亮点信号，从而使一个具有较长生命期的亮点被分割成多个短周期的不同亮点。因此，本项目研究了一种新的边识别边跟踪方法，充分利用亮点在时间轴上的演化关联性，在由序列图像构成的三维时空立方体中通过三维分割的方法将亮点的识别与跟踪同步进行。项目组采用该方法对来自不同望远镜（空间望远镜SOT；地基望远镜NVST、NST、DOT）的光球高分辨序列图像的不同区域（宁静区和活动区）进行了实验分析，结果表明该方法可以很好地解决先识别后跟踪的弊端，亮点识别和跟踪的可靠性和准确性得到了极大的提高，并且方法具有很好的普适性。项目组在采用该方法提取亮点的特征后，提出了对其生命期演化过程中参数量化方法、运动方式分类方法、非亮点清洗等方法，对处于不同区域（宁静区、活动区、黑子外围、不同磁通量密度的区域）的亮点、不同磁场强度的亮点进行了较全面的特征统计分析研究工作，较为准确地刻画了磁流管在太阳光球表面的表象，包括形态、光强、动力学、扩散、演化等等。该项目解决了目前很难直接使用磁场数据研究小磁场结构的困境，通过研究亮点来探索磁流管在日冕加热机制中的科学地位以及其动力学演化产生高温物质和能量外流的物理起源机制，在太阳磁场研究领域具有非常重要的意义。