极紫外太阳图像去过曝光数据库

张鑫泽 于学鑫 徐龙

中国科学院国家天文台

数据库访问

极紫外太阳图像过曝光现象：

搭载在太阳动力学天文台（Solar Dynamics Observatory，SDO）[1]上的大气成像仪（Atmospheric Imaging Assembly，AIA）[2]由四个双通道标准入射的四个望远镜组成。为了监测太阳活动事件，它能够以高空间分辨率在7个极紫外波段（Extreme ultraviolet，EUV）、2个紫外波段和1个可见光波段同时捕获10张全是面太阳图像。

图1、SDO/AIA极紫外太阳图像的饱和现象（多个波段上的曝光、曝光原理）

然而，当太阳耀斑事件发生时，SDO/AIA在EUV波段观测图像出现饱和，导致了图1（右）中的衍射条纹和饱和现象。衍射条纹与AIA的点扩散函数（Point-spread function，PSF）有关。具体来说，PSF表示望远镜对于理想点源的系统响应。它由一个核心峰组件和随强度变化的规则的外围衍射组件构成。外围衍射组件能够复制中心峰并且导致图像中产生衍射条纹。在太阳耀斑发生时，衍射条纹在背景上的变得更加明显。饱和区域实际上包含两部分：（1）主饱和，它是由于强烈的入射粒子超过了电荷耦合装置（Charge-coupled device，CCD）的容量而引起的。（2）次饱和，它是由主饱和的过多的入射粒子流入到相邻像素导致的。对于强烈的入射太阳信号，一部分在CCD上持续累积直到饱和，而另一部分线性地扩散并产生了衍射条纹，并且衍射条纹的产生不受饱和区域的影响[3]。这个事实表明了主饱和区域丢失的信号可以从衍射条纹中找到[4][5]。

[1] Pesnell W D, Thompson B J, Chamberlin P C. The Solar Dynamics Observatory (SDO)[J]. The Solar Dynamics Observatory, 2012: 3
[2] Lemen J, Akin D, Boerner P, et al. The Atmospheric Imaging Assembly (AIA) on the Solar Dynamics Observatory (SDO)[J]. Solar Physics, 2012, 275.
[3] Guastavino S, Piana M, Massone A M, et al. Desaturating SDO/AIA observations of solar flaring storms[J]. The Astrophysical Journal, 2019, 882(2): 109.
[4] Schwartz R A, Torre G, Piana M. Systematic de-saturation of images from the atmospheric imaging assembly in the solar dynamics observatory[J]. The Astrophysical Journal Letters, 2014, 793(2): L23.
[5] Torre G, Schwartz R A, Benvenuto F, et al. Inverse diffraction for the atmospheric imaging assembly in the solar dynamics observatory[J]. Inverse Problems, 2015, 31(9): 095006.

极紫外太阳图像去过曝光数据库：

以SDO/AIA 193Å波段的极紫外图像为例，数据库创建的基本流程如下：

1）首先，从空间天气预报中心[1]下载了2010年到2017年的M级和X级的事件列表，并使用SunPy数据包中的联合数据获取器[2]下载事件列表中的193Å波段的全日面数据。

2）然后，从中挑选出相邻的长曝光和短曝光的数据对，并把这些数据依次利用软件Solar SoftWare中的“aia_prep.pro”程序进行预处理，曝光时间归一化处理和“log”函数变换处理，最终保存为8-bit精度的“png”格式的图像。处理后的长曝光和短曝光全日面图像对如图2中的ISAT_FD和IUNSAT_FD所示。

3）最后，从全日面图像中的活动区剪切出256×256大小的图像块，如图2中ISAT和IGT所示。

图2、数据库样本示例

在图2中，IM是对ISAT进行阈值计算得到的二值掩码，其中0代表饱和像素，1代表非饱和像素，退化图像IA是通过IGT⊙IM计算得到的模拟饱和图像。因此，一个去饱和数据集的样本是一个包含ISAT，IA，IM和IGT的四元组。值得注意的是，ISAT和IGT是来之两个图像源，而不是像传统的图像修复只涉及一个图像源。而且ISAT只是提供真实的饱和区域的形状，并不参与网络的训练，真正参与网络训练的图像是IA, IM和IGT。整个数据集总计1,8700个样本，本文按着时间顺序将2012–2017数据划分为训练集(约15700个样本)，2010–2011为测试集(约3000个样本)。