Hα 全日面太陽觀測站點眾多，觀測歷史悠久，數據資料極為豐富。例如全球日震網 \\(GlobalOscillation Network Group，GONG\\)就有6 個站點: Big Bear 太陽天文臺、Mauna Loa 天文臺、Learmonth太陽天文臺、Udaipur 太陽天文臺、Teide 天文臺和 Cerro Tololo 美洲洲際太陽天文臺。Hα 全日面太陽圖像的研究，有助于了解太陽活動，對太陽物理研究有著重要的意義。然而在 Hα 全日面觀測過程中，可能受到地球大氣云層的影響，觀測的 Hα 全日面圖像中會有云污染，遮蓋日面上的活動現象。本文主要針對云污染的 Hα 全日面太陽圖像進行處理，消除其對太陽活動區域的影響，從而將被污染的區域及其太陽活動清晰地呈現出來，方便后續的太陽物理研究。

在云污染的去除上本文借鑒了衛星遙感圖像中云污染去除的方法，即將云層類比為一個不均勻的 “云透鏡”。當光線通過云層的時候，不同區域的透射率是不一樣的。如果能得到這個透射率的變化，并假設其為線性的，就可以通過除法將其扣除，獲得改正后的圖像。通常 Hα 全日面圖像上太陽的亮度呈現臨邊昏暗現象。圖1\\(a\\) 是一張標準的 Hα 全日面圖像\\(觀測站點為 Learmonth 天文臺，當地觀測時間為 2013 年 1 月 1 日 4 點 5 分 34 秒\\) ; 圖 1\\(b\\) 是圖 1\\(a\\) 的平均徑向輪廓曲線，表現了其臨邊昏暗的現象，其中橫坐標表示 Hα 全日面太陽圖像上的點到圖像上太陽中心的距離，縱坐標是以日面中心歸一化后所對應的強度。圖1\\(c\\) 是一張被云污染的 Hα 全日面圖像\\(觀測站點也為 Learmonth 天文臺，當地觀測時間為 2013 年 1 月 1 日 2 點 45 分 34 秒\\) ; 圖 1\\(d\\) 是圖 1\\(c\\) 的平均徑向輪廓曲線，顯然與臨邊昏暗曲線有較大的區別。本文所述的平均徑向輪廓曲線通過在極坐標下，對半徑尺度上所有點的強度值取中值得到的，這是獲得臨邊昏暗曲線較為常用的一種做法，不但能反映全日面像的基本特征，同時還降低對太陽活動區域的影響。

一般來講，同一架儀器獲得的全日面太陽像的臨邊昏暗背景在一定時間內是相對穩定的，圖 1\\(b\\) 和\\(d\\) 的區別明顯是有云污染導致。通過比較被云污染的圖像和標準臨邊昏暗背景，就可以獲得這個 “云透鏡”的透射率的分布。

1、 云污染 Hα 圖像的修復處理方法

本文采用的方法主要包括如下幾部分: 首先選擇一副沒有云污染的圖像并獲得標準的臨邊昏暗輪廓; 其次將被污染圖像扣除這個標準輪廓，得到一個比較 “平坦”的太陽圓面; 然后對其進行中值濾波消除太陽各種活動現象的影響，得到云層圖像; 最后用原始圖像扣除云層圖像得到修復后的全日面圖像。

首先，為判斷一幅圖像是否被云污染，或者為得到較為標準的臨邊昏暗圖像背景，必須獲得全日面像的徑向輪廓曲線。

本文采用類似美國大熊湖天文臺的徑向輪廓曲線測量方式，基本步驟如下:

步驟 1: 求得圖像中太陽圓面的圓心和半徑。Hα 全日面圖像中天空背景和太陽圓面明顯地存在兩個灰度等級，基于此點，首先通過設定闕值，將圖像進行二值化; 然后對此圖太陽圓面的邊緣點進行圓擬合，得到圓心和半徑;步驟 2: 以太陽圓心為原點，將圖像從笛卡爾坐標系轉換到極坐標系;步驟3: 在極坐標系下，將一定角度范圍內的徑向輪廓進行中值處理，就得到在該角度范圍內的平均徑向輪廓值。圖1\\(b\\) 和\\(d\\) 即為360°范圍內的平均徑向輪廓值，也就是整個太陽的平均徑向輪廓。

如果將圖像按90°分割成4 個象限，就可以得到不同象限的平均徑向輪廓曲線。在沒有云污染的良好觀測條件下，這4 條曲線是彼此重合的。因此它們可以用于判斷 Hα 圖像是否存在云污染。具體如下:\\(1\\) 觀察 4 個象限的平均徑向輪廓曲線是否符合臨邊昏暗特性。如果 4 條曲線都很好地呈現臨邊昏暗性質，則圖像每個象限區域內都不存在云污染; 否則，比如呈現臨邊增亮或者徑向輪廓變化極為不光滑，則可能存在云污染，導致圖像質量降低;\\(2\\) 在 4 條平均徑向輪廓曲線都具有臨邊昏暗性質的情況下，利用它們的殘差值判斷這 4 條曲線的重合度。如果它們基本重合，說明圖像 4 個象限都不存在云污染，圖像質量較好; 否則，圖像至少一個象限整體受云覆蓋。

根據這兩個準則，不但可以篩選出被云污染的 Hα 全日面像，同時也可以確定哪些圖像擁有較好的質量，可以作為標準的臨邊昏暗背景。

在找到模板圖像后，可以求得模板圖像的 360°平均徑向輪廓曲線并進行高階曲線擬合，以徹底消除背景圖像上太陽活動的影響。對于在極坐標系下，用這個平均輪廓代替所有角度方向上的徑向曲線，得到一個光滑的曲面，然后再將此曲面轉換回笛卡爾坐標系，就可以得到一個標準的太陽臨邊昏暗背景圖像。

用原始圖像扣除模板圖像的臨邊昏暗背景圖像，得到 “平坦”的太陽表面，但在這個表面上既有云層信息也有太陽的活動區域。通過對此圖像進行中值濾波\\(采用“田”形濾波方法\\) ，可以過濾掉上面的太陽活動信息，得到原始圖像的云層圖像。中值濾波窗口選擇要大于太陽圓面的活動區域，這樣可以在濾波過程中比較好地去除太陽圓面中的光斑和暗點，同時也不能過于太大，太大會使云層信息擴散到其它非云污染區域。本文采用太陽圓面上最大活動區域的兩倍作為中值濾波窗口。最后將原始圖和云層圖像進行歸一化，用原始圖像扣除云層圖像，得到修復后的 Hα 全日面太陽圖像。

2、 實驗結果及分析

本文的實驗數據來源于 GONG 網站。圖 2\\(a\\) 為模板圖像\\(觀測站點為大熊湖太陽天文臺，當地觀測時間為 2013 年 1 月 1 日晚上 23 點 32 分 54 秒\\) ，由圖也可以看出這是一張不含云污染的 Hα 圖像。

圖 2\\(b\\) 為模板圖像的 4 個象限的平均徑向輪廓曲線，4 條曲線都呈現臨邊昏暗性質且基本重合，符合評價標準，這說明模板圖像不含云信息，質量較好。圖 2\\(c\\) 為模板圖像的平均徑向輪廓曲線，圖 2\\(d\\) 為通過模板圖像的平均徑向輪廓曲線求得的模板臨邊昏暗背景圖像。

處理過程以及結果如圖 3。圖 3 顯示了一個云污染圖像的去除過程。圖 3\\(a\\) 為實驗中的原始圖像\\(觀測站點為大熊湖太陽天文臺，當地觀測時間為 2013 年 1 月 1 日晚上 23 點 26 分 54 秒\\) ，顯然是一張含有云污染的 Hα 全日面太陽圖像。首先將原始圖像圖 3\\(a\\) 扣除模板圖像的標準臨邊昏暗背景圖像圖 2\\(d\\) ，得到圖像如圖 3\\(b\\) 。對此圖像作中值濾波得到云層圖像，見圖 3\\(c\\) 。原始圖像扣除云層圖像得到修復后的 Hα 圖像，見圖 3\\(d\\) 。

圖 3\\(e\\) 為原始圖像的三維展示，圖像上 “凹”進去的部分正是原始圖像中被云遮蓋的部分; 圖 3\\(g\\) 為復原后圖像的三維展示，可以看出圖 3\\(e\\) 中 “凹”進去的部分也得到很好的修復，說明原始圖像上的云污染得到很好的去除。圖 3\\(f\\) 為原始圖像的 4 條徑向輪廓曲線，4 條曲線變化不光滑且彼此不重合，不符合評價標準，說明圖像上含有云污染，圖像質量差; 圖3\\(h\\) 為結果圖像的4 條徑向輪廓曲線，4 條曲線重合且呈現出臨邊昏暗現象，符合評價標準，說明原始圖像中的云污染得到較好地去除。對比原始圖像圖 3\\(a\\) 和結果圖像圖 3\\(d\\) ，也可以看出原始圖像中的云污染在修復后的 Hα 圖像中已不復存在。綜上所述，本文所述方法有效地去除了 Hα 全日面太陽圖像中的云污染。

還可以通過比較處理前后圖像的細節部分來觀察 Hα 圖像中太陽活動區域在處理前后的變化，圖4 為太陽圓面中活動頻繁的區域在處理前后的變化，其中圖 4\\(a\\) 和\\(c\\) 為原始圖像中太陽活動頻繁的局部區域，圖 4\\(b\\) 和\\(d\\) 是與圖 4\\(a\\) 和\\(c\\) 相對應的區域在修復后的全日面圖像的顯示。

通過觀察圖 4 可以發現，原始圖像中的云污染得到有效去除，被云遮蓋的部分清晰地呈現出來;太陽圓面上的光斑和暗點也完整地保留下來，活動區域受到的影響很小?？梢钥闯?，云污染的去除對太陽圓面的活動區域影響相對較少。

為了進一步驗證本算法的通用性，對其它時間其它天文臺的云污染較為嚴重的 Hα 全日面太陽圖像進行了處理。圖 5\\(a\\) 為大熊湖太陽天文臺于當地時間 2011 年 7 月 24 日觀測的圖像，圖 5\\(d\\) 為此圖像經過本文方法處理的結果; 圖 5\\(b\\) 為 Learmonth 天文臺于當地時間 2013 年 1 月 1 日觀測的圖像，圖 5\\(e\\) 為處理結果; 圖 5\\(c\\) 為當地時間 2012 年 12 月 31 日 Learmonth 天文臺觀測的圖像，圖 5\\(f\\) 為處理結果。

圖 5 原始圖像中的云污染都得到了很好的去除，而且對太陽活動區域的影響較小，處理結果較為理想。這也驗證了本文所述方法在 Hα 全日面太陽圖像云污染的去除中具有較好的通用性。

3、 總 結

本文基于平均徑向輪廓曲線，采用中值濾波方法，去除 Hα 全日面太陽圖像上的云污染。比較實驗中處理前后圖像的三維展示，處理前后圖像 4 個象限的徑向輪廓曲線以及原始圖像和結果圖像發現: Hα 圖像上的云污染有效地去除了，被云遮蓋部分清晰地顯示。對比處理前后圖像的細節部分，可以看到被云遮蓋部分的太陽活動能觀察到了，太陽表面的譜斑、暗條等依然很好地存在，對太陽表面的活動區域影響較小。對不同觀測器、不同時間以及云污染程度不同的圖像進行了處理，得到的結果驗證了該方法在去除 Hα 圖像云污染上的有效性。

本方法也存在一些不足: 首先處理過程中需要其他圖像充當模板圖像進行輔助處理; 其次由于中值濾波是一種非線性平滑技術，這就導致修復后的 Hα 全日面圖像整體辨識度降低，也會使結果圖像中太陽活動的強度和范圍縮小; 第三，本文的云污染去除原理是基于 “云透鏡”的線性表現，這顯然是一種近似。雖然文中的算法表現出較好的結果，但必須強調的是用這種恢復后的圖像做高精度的測量工作是不合適的，因為被云污染的圖像到底是一種降質的圖像，而圖像處理只能在有限的條件下盡可能地改善圖像質量，但不能從根本上得到精確的結果。只有在實在無法控制觀測條件的時候，圖像質量恢復才是一種可以考慮的選擇。

致謝: 感謝 GONG 項目提供的實驗圖像。