要約
Aditya-L1に搭載された太陽紫外線撮像望遠鏡(SUIT)は、200～400nmの波長範囲で太陽の光球や彩層を観測する撮像装置です。
彩層および光球の形態構造のプラズマおよび熱力学特性を包括的に理解するには、大規模なサンプルの統計的研究が必要であり、自動特徴検出方法の開発が必要です。
この目的を達成するために、我々は、SUIT の Mg II k フィルターから観測される太陽彩層の特徴を検出および分類するための特徴検出アルゴリズム SPACE-SUIT: SUIT の拡張ビジョン技術を使用した太陽現象の分析と分類を開発します。
具体的には、プラージュ領域、黒点、フィラメント、およびオフリム構造をターゲットとします。
SPACE は、ニューラル ネットワーク ベースのモデルである You Only Look Once (YOLO) を使用して、対象領域を識別します。
Mg II k 線の界面領域イメージング分光計 (IRIS) フルディスク モザイク画像から開発されたモック SUIT 画像を使用して SPACE を学習および検証すると同時に、レベル 1 SUIT データの検出も実行します。
SPACE は、検証モック SUIT FITS データセットで、およその精度 0.788、再現率 0.863、MAP 0.874 を達成します。
データセットの手動ラベル付けを考慮して、グラウンド トゥルースと予測された境界ボックスに統計的測定とタムラ特徴を適用することで「自己検証」を実行します。
エントロピー、コントラスト、非類似性、エネルギーの分布を見つけて、特徴の違いを示します。
これらの差異は、ラベル付けされたグラウンド トゥルースが存在しない場合でも、SPACE によって予測された検出領域によって定性的に取得され、観察された SUIT 画像によって検証されます。
この研究は、彩層特徴抽出器を開発するだけでなく、彩層特徴を区別するための統計的メトリクスとタムラ特徴の有効性を実証し、将来の検出スキームのための独立した検証を提供します。
要約(オリジナル)
The Solar Ultraviolet Imaging Telescope(SUIT) onboard Aditya-L1 is an imager that observes the solar photosphere and chromosphere through observations in the wavelength range of 200-400 nm. A comprehensive understanding of the plasma and thermodynamic properties of chromospheric and photospheric morphological structures requires a large sample statistical study, necessitating the development of automatic feature detection methods. To this end, we develop the feature detection algorithm SPACE-SUIT: Solar Phenomena Analysis and Classification using Enhanced vision techniques for SUIT, to detect and classify the solar chromospheric features to be observed from SUIT’s Mg II k filter. Specifically, we target plage regions, sunspots, filaments, and off-limb structures. SPACE uses You Only Look Once(YOLO), a neural network-based model to identify regions of interest. We train and validate SPACE using mock-SUIT images developed from Interface Region Imaging Spectrometer(IRIS) full-disk mosaic images in Mg II k line, while we also perform detection on Level-1 SUIT data. SPACE achieves an approximate precision of 0.788, recall 0.863 and MAP of 0.874 on the validation mock SUIT FITS dataset. Given the manual labeling of our dataset, we perform ‘self-validation’ by applying statistical measures and Tamura features on the ground truth and predicted bounding boxes. We find the distributions of entropy, contrast, dissimilarity, and energy to show differences in the features. These differences are qualitatively captured by the detected regions predicted by SPACE and validated with the observed SUIT images, even in the absence of labeled ground truth. This work not only develops a chromospheric feature extractor but also demonstrates the effectiveness of statistical metrics and Tamura features for distinguishing chromospheric features, offering independent validation for future detection schemes.
arxiv情報
| 著者 | Pranava Seth,Vishal Upendran,Megha Anand,Janmejoy Sarkar,Soumya Roy,Priyadarshan Chaki,Pratyay Chowdhury,Borishan Ghosh,Durgesh Tripathi |
| 発行日 | 2024-12-11 18:08:06+00:00 |
| arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google