太阳光球磁亮点的识别算法

刘艳霄，杨云飞，林隽

(1.中国科学院云南天文台，云南 昆明 650011；2.中国科学院大学，北京 100049；3.昆明理工大学计算机应用重点实验室和信息工程与自动化学院，云南 昆明 650500)

太阳光球磁亮点的识别算法

刘艳霄1，2，杨云飞3，林隽1

(1.中国科学院云南天文台，云南 昆明 650011；2.中国科学院大学，北京 100049；3.昆明理工大学计算机应用重点实验室和信息工程与自动化学院，云南 昆明 650500)

区域生长法是一种基于区域分割的算法，其关键在于种子点的准确提取和生长准则的定义。用区域生长法对云南天文台澄江1 m红外太阳塔望远镜(New Vacuum Solar Telescope，NVST)在TiO(705.8nm)波段的观测资料进行分析识别，采用拉普拉斯算子提取种子点，然后用图像灰度阈值作为生长准则对种子点进行生长，最后剔除误识别的米粒，从而完成对磁亮点的识别工作。然后又对Hinode的观测资料进行了识别并与Utz等人的结果进行对比。

太阳光球磁亮点；图像识别；拉普拉斯算子；图像分割；区域生长法

CN53－1189/P ISSN1672－7673

太阳光球磁亮点是位于米粒通道里的一些亮的磁结构。1973年文[1]作者用Hα研究磁汇聚时发现这些磁汇聚区域是亮的，紧接着1974年文[2]作者用Ca II K谱线的远翼单色像也发现了磁汇聚区域的亮点，因此，他们称之为磁亮点。G带(430.5 nm)和TiO波段(705.8 nm)都可以观测到磁亮点。磁亮点因为观测的波段和位置不同，也有不同的名称。比如，有人称用G带观测到的亮点为G带亮点[3－5]，观测到的网络内亮点称为网络内亮点[6－7]等等。

磁亮点的研究目前还处于基础阶段，尚不清楚磁亮点的内部结构，不过对其基本的特征已经有了一些认识:磁亮点尺度大小在100～300 km之间，也有部分小的磁亮点尺度在望远镜衍射极限以下；其寿命从几十秒到十几分钟不等，一般情况下，暗弱的磁亮点寿命较短，较亮的磁亮点或者几个聚集在一起的一团磁亮点的寿命比较长[8]；因为磁亮点位于米粒通道里，这些磁亮点被米粒组织的对流运动推挤而被迫运动，有漩涡运动[5]，有水平运动[9－10]，也有的会发生分裂和融合[8]。

研究磁亮点有很重要的物理意义。首先，磁亮点是日冕磁场在光球层足点的示踪者，通过磁亮点示踪足点的运动，可以进一步研究色球和日冕加热的能量是否就是这些小的磁结构提供。其次，磁亮点是目前望远镜能够观测的最小磁结构，研究磁亮点可以更深入地研究光球层磁元的性质。第三，通过研究磁亮点，可以研究亚光球层的物理性质。第四，磁亮点对太阳光球总辐照的贡献有多大也是一个很有物理意义的问题和研究方向。当然，这些研究都必须在对磁亮点的准确识别和跟踪的基础上开展和进行。

文[8]作者采用磁亮点的亮度、亮度梯度、尺度大小3个特征作为磁亮点的生长条件，用区域生长算法识别磁亮点；文[11]作者利用米粒通道比米粒和磁亮点都要暗的特点，对图像取阈值将米粒通道和米粒、磁亮点分割开来。然后根据磁亮点尺度比米粒尺度小很多这个特征提取磁亮点，再根据磁亮点的亮度及亮度梯度两个特征剔除亮的米粒，最后把这些亮点在原图像中用区域生长算法进行识别。本文采用拉普拉斯算子对图像进行卷积，然后提取图像中的亮点，又称为种子点。这些种子点在原图像中用区域生长法进行生长识别，然后再根据这些亮特征在原图中灰度梯度值大小剔除误识别的米粒。

1 数据处理

本文采用云南天文台澄江抚仙湖观测站1 m红外太阳塔望远镜在TiO(705.8 nm)波段的观测资料。抚仙湖1 m红外太阳塔望远镜的口径为1 m。这组数据是2012年10月25日在活动区为11554中的一个黑子附近观测所得，这组数据的图像采样率0.04 arcsec/pixel，视场大小为91.6 arcsec×90.64 arcsec。该数据由云南天文台南方基地科研组进行高分辨重建，这里取高分辨重建后图像的23.24 arcsec×20.92 arcsec大小的区域作为研究对象(见图1)。

然后，把该算法运用到日出卫星(Hinode)上的太阳光学望远镜(Solar Optical Telescope，SOT)于2007年12月19日在G带观测的日面中心附近的观测资料。日出卫星的太阳光学望远镜口径为50 cm。这组数据的图像采样率0.054 arcsec/pixel，图像视场大小27 arcsec×27 arcsec。通过太阳软件包(Solar Soft Ware，SSW)对Hinode的观测资料进行了预处理。对Hinode的观测资料进行处理并与Utz等人的结果进行对比。

图1 云南天文台澄江抚仙湖观测站1 m红外太阳塔望远镜在2012年12月25日TiO波段获得的观测资料Fig.1 The data image observed at the TiO wavelength in December 25，2012 by the 1m new vacuum solar telescope of the Yunnan Observatories

2 区域生长法

识别磁亮点的方法有多种，区域生长法是其中的一种，它是一种基于区域分割的方法。该方法按照事先规定的生长准则将图像分割成不同的区域，这些区域之间的交集为空，并集为整幅图像。一般情况下，区域生长法是一个将一种选定的像素或者区域根据定义的生长准则对图像进行生长的算法。这个像素或者区域被称为种子点。生长准则是定义区域生长算法如何生长的一种规定。针对磁亮点的区域生长的生长准则一般为磁亮点的亮度、梯度、尺度大小3个特征。区域生长的关键在于种子点的选取和生长准则的确定[12]。

2.1 种子点的提取

先对图像进行中值滤波(十字形的3×3算子)平滑，去除图像中的单像素噪声。然后选择采用拉普拉斯算子提取或确定种子点。拉普拉斯算子是各向同性的二阶微分算子，具有旋转不变性。定义为[12]:

由(1)式可以看出，对图像进行拉普拉斯算子运算就是对图像的灰度值求二阶导数。因此，可以得到图像灰度的梯度变化值。对图像进行拉普拉斯算子卷积后，可以得到图像中最亮的点和最暗的点。

在数字图像处理中，拉普拉斯算子离散形式为[12]:

拉普拉斯算子离散形式公式对应算法中的卷积模板如(3)式，这是四邻域模板:

结合(2)式，不难看出模板(3)与图像卷积后计算的结果大于零时，说明在点(x，y)处的灰度值f(x，y)比周围4个值的灰度平均值要大。因此往往可以得到图像中的亮点。计算结果小于零时，说明点(x，y)处的灰度值f(x，y)比周围4个值的灰度平均值要小，因此可以检测到图像中的暗点。而当计算结果为零，且周围的拉普拉斯值分别大于零和小于零，那么这个零点就是图像灰度值变化的边界点，也就是零交叉点。根据这个原理，用(3)式对平滑后的图像进行卷积。经过多次试验发现，当取阈值为10时，将种子点在原图中显示，提取的亮点可以与原图中的磁亮点很好地对应。大于这个阈值时，获取的种子点比原图像中的磁亮点少，小于这个阈值时，会有很多米粒上的亮点。如图2，取阈值为10时的种子点图。

图2 种子点提取图。拉普拉斯卷积后取阈值为10，获取种子点分布图Fig.2 The images of extracted seeds.The seeds are selected as pixels in the convolution of the observed image using a Laplacian mask with a selection threshold of 10

2.2 识别

与Utz的区域生长法不同的是，没有把磁亮点的亮度、亮度梯度、尺度大小作为种子点的生长准则，而是先用拉普拉斯算子(3)对图像进行卷积。拉普拉斯算子与原图像卷积后的结果中，灰度值为正时，这个像素对应的点是亮点，相反，灰度值为负值时，这个像素对应的点是暗点。又由于米粒边界和磁亮点的边界都在暗的米粒通道里，因此米粒和磁亮点的边界处灰度梯度值比较大。这样以灰度阈值作为生长准则的时候，这些边界的像素值在设定的灰度阈值之外，生长的过程中避免了生长尺度超过磁亮点本来的尺度或者没有生长到磁亮点本来大小尺度之类的现象。

识别的亮点有少数部分并不是想要的磁亮点，而是米粒上的亮点。这些米粒上的亮点与需要的磁亮点的不同之处在于磁亮点边缘处直接在米粒通道里，故灰度梯度值很大，而米粒上的亮点由于是米粒的一部分，米粒内部的灰度值变化比较缓慢，故米粒上的亮点边缘的灰度梯度值比较小。对提取的亮点使用膨胀算法，膨胀的结果与拉普拉斯卷积后的图像相乘积。如果膨胀的结果中边缘像素为负值的像素数等于总边缘像素数的，认为这个区域是磁亮点区域，否则判断为米粒上的亮点，由此剔除误识别的米粒[13]。识别结果如图3，从图中可以看出，米粒通道里的磁亮点基本可以识别。

3 算法运用到Hinode卫星资料上的结果

对Hinode上的太阳光学望远镜于2007年12月19日在G带观测的日面中心附近的观测资料运用太阳软件包的预处理程序对其进行了预处理，然后运用高斯平滑算子对图像进行平滑去除噪声。与云南天文台抚仙湖观测资料不同的是，太阳光学望远镜在G带观测资料中亮点与光球背景对比度相对较弱，因此对其做了快速傅里叶变换进行图像增强，然后再运用拉普拉斯提取种子点，并对种子点在拉普拉斯图像上区域生长。识别结果见图4。

图3 识别后的图像。米粒通道里的磁亮点基本上可以识别Fig.3 The image whose magnetic bright spots are searched for(the left panel)and the same image with the recognized magnetic bright spots marked as white points(the right panel).Almost all magnetic bright spots in the lanes between granules in the image have been recognized

图4 左图为太阳光学望远镜于2007年12月19日在G带观测的日面中心附近的观测资料，右图为识别后的结果Fig.4 The left panel is the image observed in December 19，2007 though the G band by the Solar Optical Telescope(SOT)on the Hinode.The right panel is the same image showing the magnetic bright spots recognized by our method

由于Utz等人没有给出所用资料的具体时间及其识别的磁亮点数量，而是给出了识别结果的尺度统计。因此无法用与之相同的观测资料，不过运用的Hinode资料的视场大小与Utz等人的一致，也都是日面中心附近区域。一共识别了50个磁亮点，平均尺度为166.2 km。对其尺度进行了统计并与Utz等人的结果进行对比。如图5，数据是运用了与Utz相同大小视场的图像，但是只是一幅图像的识别结果，Utz等人对一组图像相同视场下的磁亮点尺度进行统计。

4 结 论

本文对云南天文台澄江观测站1 m红外太阳塔望远镜在TiO波段的观测资料进行了图像处理和分析。用区域生长法对米粒通道里的磁亮点进行了识别，并给出了识别的初步结果。

又用该算法识别了Hinode的太阳光学望远镜在G带观测的数据并与Utz等人的结果进行了对比。Utz等人的算法识别的磁亮点平均尺度为166 km，本文识别的磁亮点平均尺度为166.2 km(孤立磁亮点)。Utz虽然每幅图识别的磁亮点也不是很多，但是他们对756幅连续拍摄的图像中相同视场的所有磁亮点进行了统计。本文只是取一幅图像中的磁亮点进行了统计，因此没有得到有规律的磁亮点尺度分布。

图5 磁亮点尺度统计图。左图是对50个磁亮点进行尺度统计的结果，右图是Utz等人对所识别的磁亮点进行尺度统计的结果。右图中虚线部分和实线部分是两组采样率不同的数据，光滑的曲线是正态分布拟合的曲线。我们的结果与图中虚线的数据有着相同的采样率，因此我们主要与虚线数据对比Fig.5 Our statistical results of Magnetic Bright Spots(MBS).The left panel shows statistics of sizes of our recognized magnetic bright spots.The right panel shows the size statistics given by Utz et al.The solid and dashed histograms in the right panel are the results for different sampling resolutions，respectively.The curves in the right panel represent the fits with the normal distributions.The dashed histogram is from data having the same sampling resolution as ours，which makes it suitable for comparison to our results

Utz等人的区域生长法以亮度、亮度梯度、尺度大小作为生长准则，识别出很多孤立的磁亮点。本文没有对磁亮点的尺度设定阈值，于是可以识别出一些链状结构的磁亮点。

致谢：感谢南方基地的老师和同学们提供观测资料，并对观测资料裸数据进行了高分辨率图像重建工作处理。

[1] Dunn R B，Zirker J B.The solar filigree[J].Solar Physics，1973，33(2):281－304.

[2] Mehltretter J P.Observations of photospheric faculae at the center of the solar disk[J].Solar Physics，1974，38:43－57.

[3] Berger T E，Title A M.On the relation of G-band bright points to the photospheric magnetic field [J].The Astrophysical Journal，2001，553:449－469.

[4] Beck C，Bellot Rubio L R，Schlichenmaier R，et al.Magnetic properties of G-band bright points in a sunspot moat[J].Astronomy and Astrophysics，2007，472:607－622.

[5] Nisenson P，van Ballegooijen A A，de Wijn A G，et al.Motions of Isolated G-band bright points in the solar photosphere[J].The Astrophysical Journal，2003，587(1):458－463.

[6] Muller R，Roudier Th，Vigneau J，et al.The proper motion of network bright points and the heating of the solar corona[J].Astronomy and Astrophysics，1994，283(1):232－240.

[7] Muller R，Roudier Th.Formation of network bright points by granule compression[J].Solar Physics，1992，141(1):27－33.

[8] Utz D，Hanslmeier A，Möstl C，et al.The size distribution of magnetic bright points derived from Hinode/SOT observations[J].Astronomy and Astrophysics，2009，498(1):289－293.

[9] Utz D，Hanslmeier A，Muller R，et al.Dynamics of isolated magnetic bright points derived from Hinode/SOT G-band observations[J].Astronomy and Astrophysics，2010，511:A39.

[10] Keys P H，Mathioudakis M，Jess D B，et al.The velocity distribution of solar photospheric magnetic bright points[J].The Astrophysical Journal Letters，2011，740(2):L40－L44.

[11] Crockett P J，Jess D B，Mathioudakis M，et al.Automated detection and tracking of solar magnetic bright points[J].Monthly Notices of the Royal Astronomical Society，2009，397(4): 1852－1861.

[12] Gonzalez R C，Woods R E.数字图像处理[M].阮秋琦，阮宇智，等译.北京:电子工业出版社，2010:496.

[13] Feng Song，Ji Kaifan，Deng Hui，et al.Automatic detection and extraction algorithm of intergranular bright points[J].Journal of the Korean Astronomical Society，2012，45:167－173.

A Region-Growth Algorithm to Recognize Magnetic Bright Spots in the Solar Photosphere

Liu Yanxiao1，2，Yang Yunfei3，Lin Jun1
(1.Yunnan Observatories，Chinese Academy of Sciences，Kunming 650011，China，Email:liuyanxiao＠ynao.ac.cn；2.University of Chinese Academy of Sciences，Beijing 100049，China；3.Key Laboratory of Applications of Computer Technologies of the Yunnan Province，College of Information Engineering and Automation，University of Science and Technology of Kunming，Kunming 650500，China)

Magnetic bright spots are the smallest magnetic structures in the solar photosphere.They are located in lanes between solar granules.Their sizes are about 100km to 300km，and their lifetimes range from several seconds to tens of minutes.It is important for solar physics to extensively study magnetic bright spots. For example，magnetic bright spots are considered as tracers of active regions whose flux ropes stretch into the solar corona.Motions of magnetic bright spots may have important impact on the heating of the solar chromosphere and corona.In addition，studies of magnetic bright spots can improve our knowledge about the solar sub-photosphere.Accurate recognitions of magnetic bright spots serve as the basis for all relevant important studies.The region-growth algorithm for recognizing magnetic bright spots is based on the image segmentation technique.The key steps of the algorithm are to select the seeds for the region growth and to define growth rules.In this paper we use certain data observed at the TiO wavelength by the 1m new vacuum solar telescope of the Yunnan Observatories.In applying the algorithm，we extract seeds as certain pixels in the convolution of a data image using a Laplacian mask.The pixels selected as seeds have post-convolution values passing a threshold.Our growth rule is that a pixel is included in a region for a spot if the gray value there passes a threshold.After processing with the algorithm we remove features falsely selected by the algorithm.We also apply the algorithm to some G-band data observed by the Solar Optical Telescope on the Hinode.We compare our results to those of Utz et al.We find that diameters of magnetic bright spots have an average 166.2km，which is consistent with the average given by Utz et al.166km.This supports the reliability of our recognition approach.

Magnetic bright spots in the solar photosphere；Image-feature recognition；Laplacian operator；Image segmentation；Region-growth algorithm

P182.2＋1

A

1672－7673(2014)02－0145－06

2013－05－06；修定日期:2013－05－16

刘艳霄，女，硕士.研究方向:太阳光球磁亮点.Email:liuyanxiao＠ynao.ac.cn