公开(公告)号：CN106127754B

公开(公告)日：2019-03-08

申请号：CN201610450612.X

申请日：2016-06-21

Applicant: 济南大学

Inventor： 张玲 ,  尹建芹 ,  姚海 ,  冯志全 ,  周劲 ,  蔺永政

IPC: G06T7/00

Abstract: 本发明提供了一种基于融合特征和时空连续性判定规则的CME检测方法，该方法结合CME事件连续两帧之间的时空连续性，根据图像的灰度统计特征和纹理特征利用基于ELM的分类器对日冕观测图像进行识别，检测图像中是否存在CME。本发明的有益效果是：本发明建立了多特征融合CME检测模型，避免了根据单一特征检测CME的误差，同时也避免了日冕观测图像中的噪声部分和CME发生区域发生混淆造成的误判，检测准确度高，检测效率高。

公开(公告)号：CN104318049A

公开(公告)日：2015-01-28

申请号：CN201410443408.6

申请日：2014-10-30

Applicant: 济南大学

Inventor： 张玲 ,  尹建芹 ,  冯志全 ,  蔺永政 ,  边俊霞 ,  潘玉奇

IPC: G06F19/00 ,  G06T7/00

Abstract: 本发明公开了一种日冕物质抛射事件识别方法，先对具有CME现象和无CME现象的日冕观测图像进行切割，对切割块进行灰度信息特征的统计，找出有CME现象和无CME现象的日冕观测图像的差别。利用不同的切割尺寸进行切割，对比多种切割方式下有CME现象的日冕观测图像和无CME现象的日冕观测图像的灰度统计特征，选择较优的若干种切割方式。基于较优的切割方式下得到的切割图像的灰度统计特征设计若干弱分类器。最后用Adaboost算法调整各弱分类器的比重得到强分类器。用强分类器对日冕观测图集中的图像进行随机抽样检测是否发生CME，检测其正确率。利用Adaboost技术来组合多个分类器来解决CME的检测会取得较好的效果，达到了较高的检测正确率。

公开(公告)号：CN106127754A

公开(公告)日：2016-11-16

申请号：CN201610450612.X

申请日：2016-06-21

Applicant: 济南大学

Inventor： 张玲 ,  尹建芹 ,  姚海 ,  冯志全 ,  周劲 ,  蔺永政

IPC: G06T7/00

CPC classification number: G06T2207/10016 ,  G06T2207/20081

Abstract: 本发明提供了一种基于融合特征和时空连续性判定规则的CME检测方法，该方法结合CME事件连续两帧之间的时空连续性，根据图像的灰度统计特征和纹理特征利用基于ELM的分类器对日冕观测图像进行识别，检测图像中是否存在CME。本发明的有益效果是：本发明建立了多特征融合CME检测模型，避免了根据单一特征检测CME的误差，同时也避免了日冕观测图像中的噪声部分和CME发生区域发生混淆造成的误判，检测准确度高，检测效率高。