摘要
本发明公开了一种基于深度学习的全日面太阳图像质量分类方法，包括：将获取的全日面太阳图像进行分类，获得占比均衡的多质量类别的全日面太阳图像，构建数据集；对数据集中各图像依次进行缩放、中心裁剪操作，获得预设尺寸下的数据集；对预设尺寸下的数据集依据预设比例随机划分为训练集、验证集和测试集；构建深度学习模型；依据训练集和验证集对深度学习模型进行训练以及超参数优化，并保存在测试集上表现最好的模型作为全日面太阳图像质量分类模型；将待分类全日面太阳图像作为全日面太阳图像质量分类模型输入，获得全日面太阳图像质量分类结果。本发明对拍摄的Hα波段全日面太阳图像进行了性能优秀的依照云层覆盖程度的分类，其全自动化的处理方式以及高准确率无需后续人工筛选。
