[論文レビュー] Image patch analysis of sunspots and active regions. I. Intrinsic dimension and correlation analysis

Kevin R. Moon, Jimmy J. Li+4 more|arXiv (Cornell University)|Mar 13, 2015

Solar and Space Plasma Dynamics参考文献 53被引用数 9

ひとこと要約

本稿では、SOHO-MDI連続スペクトル画像および磁気計画像からの太陽活動領域の空間的複雑性を定量的に特徴付けるために、固有次元、部分相関、および典型相関分析（CCA）を用いたパッチベースの解析フレームワークを提案する。固有次元は、単純な領域と複雑な領域を効果的に区別できることを示し、CCAは sunspot 内部と周辺部における明確に異なる相関構造を明らかにし、フラレ予測のためのデータ駆動型分類および辞書学習を可能にする。

ABSTRACT

The flare-productivity of an active region is observed to be related to its spatial complexity. Mount Wilson or McIntosh sunspot classifications measure such complexity but in a categorical way, and may therefore not use all the information present in the observations. Moreover, such categorical schemes hinder a systematic study of an active region's evolution for example. We propose fine-scale quantitative descriptors for an active region's complexity and relate them to the Mount Wilson classification. We analyze the local correlation structure within continuum and magnetogram data, as well as the cross-correlation between continuum and magnetogram data. We compute the intrinsic dimension, partial correlation, and canonical correlation analysis (CCA) of image patches of continuum and magnetogram active region images taken from the SOHO-MDI instrument. We use masks of sunspots derived from continuum as well as larger masks of magnetic active regions derived from the magnetogram to analyze separately the core part of an active region from its surrounding part. We find the relationship between complexity of an active region as measured by Mount Wilson and the intrinsic dimension of its image patches. Partial correlation patterns exhibit approximately a third-order Markov structure. CCA reveals different patterns of correlation between continuum and magnetogram within the sunspots and in the region surrounding the sunspots. These results also pave the way for patch-based dictionary learning with a view towards automatic clustering of active regions.

研究の動機と目的

• マウント・ウィリアムズ分類やマイケンシット分類のようなカテゴリカル分類を超えた、微細スケールで定量的な活動領域の複雑性記述子を構築すること。
• 画像パッチの固有次元が、既知のフラレ生成性を持つ形状と相関しているかどうかを調査すること。
• 部分相関およびCCAを用いて、連続スペクトルデータおよび磁気計データの間における局所的な相関構造を分析すること。
• 活動領域の自動クラスタリングおよびダイナミクス的変化の研究を可能にする、パッチベースの辞書学習を可能にすること。
• 手動によるカテゴリカル分類の限界を克服し、太陽画像データからより豊富で連続的な情報を抽出すること。

提案手法

• SOHO-MDI連続スペクトルおよび磁気計データから抽出した画像パッチに、k-NNに基づく固有次元推定を適用し、非線形最小二乗法を用いてグローバルおよび局所的な固有次元を推定した。
• ピクセル強度間の部分相関を計算するために、精度行列の逆行列を用い、他のピクセルの影響を除去した条件付き依存性を明らかにした。
• 連続スペクトルパッチと磁気計パッチの間のクロス相関を定量化するために、典型相関分析（CCA）を用い、sunspot のコア領域と周辺領域におけるパターンの違いを区別した。
• sunspot については連続スペクトル画像、活動領域全体については磁気計データから得た空間マスクを用い、活動領域のコア部と周辺部を分離した。
• 局所的な固有次元推定値のばらつきを低減し、頑健性を向上させるために、近傍領域における多数決による平滑化を実施した。
• 分布の差の統計的検定のために、ノンパラメトリックなヘルンゲル距離推定とブートストラップ分散を用いた。

実験結果

リサーチクエスチョン

• RQ1 画像パッチの固有次元は、マウント・ウィリアムズ分類と相関する信頼性の高い定量的指標として、活動領域の複雑性を測定できるか？
• RQ2 部分相関解析によって明らかにされる、活動領域パッチ内のピクセル相関の局所的マークフ・構造は何か？
• RQ3 連続スペクトルデータと磁気計データの間のクロス相関は、sunspot コア部と周辺の活動領域部とでどのように異なるか？
• RQ4 固有次元および相関構造は、フラレ生成性のある領域とそうでない領域を区別できるか？
• RQ5 パッチベースの解析は、太陽画像データの自動クラスタリングおよび辞書学習をどの程度支援できるか？

主な発見

• 固有次元はマウント・ウィリアムズ分類と強く相関しており、単純（α、β）な領域と複雑（βγ、βγδ）な領域を効果的に区別できる。
• 部分相関パターンはおおよそ3次マークフ構造を示しており、ピクセル相関が3階層を超えた近隣ピクセルに対しては条件付き独立であることを示している。
• 典型相関分析により、連続スペクトルデータと磁気計データ間の相関パターンに顕著な違いが明らかになった：sunspot 内部では、周辺領域に比べて相関が強く、より局所的である。
• 画像パッチの固有次元は、従来のフラクタル指標が失敗する状況でも、形態的に単純な領域と複雑な領域を効果的に区別できる頑健な記述子である。
• 本手法は局所的複雑性解析を可能にし、活動領域の自動クラスタリングおよびダイナミクス的変化モデリングのためのパッチベースの辞書学習の開発を支援する。
• ヘルンゲル距離とブートストラップ分散を用いた統計的検定により、活動領域クラス間で有意な分布差が確認され、本手法の識別力が裏付けられた。