本发明涉及在空间科学任务中观测地球磁层运动变化的动态估计方法，尤其涉及一种自适应x射线动态图像估计方法及系统。
背景技术：
1、地球磁层的观测在太空天气监测中扮演着至关重要的角色。地球磁场的动态变化直接影响太阳风与地球大气之间的相互作用，从而影响到卫星通信、导航系统和电力网络等关键基础设施。即将进行的太阳风磁层电离层探测器(smile)和月球环境x射线成像仪(lexi)任务旨在通过广角软x射线成像仪(sxi)全面观测地球磁层，以更深入地了解地球磁层对太阳风影响的动态响应。
2、当太阳风中的重离子与地球周围的中性原子或分子碰撞时，太阳风电荷交换(swcx)会产生软x射线辐射。这构成了sxi观测地球磁层的基本机制。然而，在实践中，sxi的成像过程受到各种因素的影响，如宇宙空间中的软x射线背景、仪器噪声和波动噪声，导致2d软x射线图像中磁层结构特征模糊，并为后续研究带来挑战。通过增加sxi的积分时间可以凸显磁层结构特征，smile和lexi携带的sxi的积分时间分别设定为5分钟和10分钟。然而，这种以时间分辨率为代价的图像质量的方法忽视了磁层本身的连续变化，以及sxi观测位置随着航天器(或月亮)的变化，如图1所示。因此，通过这种方法得到的sxi观测结果反映了整个时间段内磁层变化的累积状态。尽管这对于具有较大时间尺度的太空天气事件可能没有影响，但可能忽视具有小时间尺度的太空事件，并在太空事件变化研究中引入不连续性。因此，在积分时间内基于累积sxi观测动态重建磁层变化是一项必要且科学上重要的任务。
3、sxi观测时间分辨率问题：sxi的积分时间设置为5分钟和10分钟，这种以时间分辨率为代价的图像质量方法忽视了磁层本身的连续变化。这可能导致在研究空间物理事件变化时引入不连续性，忽视具有小时间尺度的爆发事件。因此，需要找到一种方法来在不损失时间分辨率的情况下获得更准确的图像。
4、omni数据库的利用：omni数据库提供了各种太阳风参数、磁场数据和粒子测量数据，但如何将这些数据与sxi观测结果结合起来以提供更准确的磁层动态变化信息尚需解决。
5、运动估计方法：为了估计sxi积分时间内磁层x射线图像的动态变化，需要开发一种有效的运动估计方法，使得能够综合利用omni数据库中的太阳风参数和sxi观测数据。这要求结合深度学习技术和图像处理方法，以获得对磁层变化的准确估计。
6、模型验证问题：提出的方法需要在实验验证阶段进行验证。在smile和lexi任务发射前，需要采用其他模型来代替实际观测结果，这可能会引入一定的不确定性。因此，需要仔细考虑模型选择和验证方法，确保提出的方法的可靠性和有效性。
7、综上所述，解决这些问题需要跨学科的合作，包括空间物理学、计算机视觉、图像处理和深度学习等。通过充分利用现有的数据和技术手段，并不断改进和创新，才能更好地理解地球磁层对太阳风的动态响应，并为空间天气监测提供更可靠的数据和预测。
技术实现思路
1、本发明的目的在于克服现有技术缺陷，提出了一种自适应x射线动态图像估计方法及系统。
2、为了实现上述目的，本发明提出了一种自适应x射线动态图像估计方法，用于空间科学任务，包括：
3、将积分时间分别为t1和t3的x射线图各自像取平均后作为起始x射线图像，通过光流估计模型pwc-net进行运动估计，再同时采用自适应核密度估计方法捕获实际观测值中像素值的空间演化，以及采用可学习的贡献图描述x射线图像不同帧之间的相关性，通过时间鉴别器确保估计的x射线图像数据在时间上的连续性和一致性，从而实现对中间时间t2内不同时刻x射线动态图像的估计。
4、优选的，所述将积分时间分别为t1和t3的x射线图各自像取平均后作为起始x射线图像，包括：
5、通过mhd模型模拟仿真获得积分时间分别为t1和t3的x射线图像，结合jorgensen模型提供的流体力学运动信息，以设定的采样间隔对t2时间内的x射线图像进行自适应动态估计；或
6、采集在积分时间t1和t3的实际x射线图像，结合mhd模型提供的磁流体力学运动的先验知识，以设定的采样间隔对t2时间内的x射线图像进行自适应动态估计。
7、优选的，所述光流估计模型pwc-net的输入为两幅x射线图像g0和g1，输出为g0到g1的正向运动估计场j0→1，以及g1到g0的反向运动估计场j1→0。
8、优选的，自适应核密度估计方法和可学习的贡献图采用u-net实现，所述u-net包括编码器、解码器和跳过连接，其中，每个处理单元包含3×3卷积和relu激活，编码器使用平均池化来提取特征，解码器上采样层采用双线性插值，用于将编码器中的特征图上采样到更高分辨率，使用softmax层作为约束，保证核权重非负。
9、优选的，所述u-net的训练采用adamax优化器，损失函数为：
10、l＝λolo+λplp+λflf+λdld
11、其中，λo,λp,λf,λd是线性加权的权重，lo是观测损失，lp是感知损失，lf是模拟中间帧运动估计效果的损失，ld是判别器损失，分别满足下式：
12、
13、其中，为输入图像i0和i1它们之间的一组中间帧，i表示帧序号，n表示总帧数，其中ti∈[0,1]，为在t时间内观测的x射线图像；
14、
15、其中，φ表示卷积之后的细节指标；
16、
17、其中，j是使用pwc-net估计得到的光流场信息，ii表示估计得到第i帧x射线图像，ii+1表示估计得到第i+1帧x射线图像，gi是对应时间jorgensen模型模拟得到的第i帧x射线图像，gi+1是对应时间jorgensen模型模拟得到的第i+1帧x射线图像，
18、
19、优选的，所述时间鉴别器采用慢融合模型，输入是自适应估计所得的连续两帧，输出是判别结果；处理过程为：将自适应估计所得的连续两帧分别送入两个独立的处理流，分别模拟低分辨率图像的上下文流和处理高分辨率中心裁剪的中央凹流；两个独立的处理流包括交替的卷积、归一化和池化层，再汇聚到全连接层。
20、优选的，所述慢融合模型训练的目标函数使用交叉熵，满足下式：
21、
22、其中，为n帧样本，为n帧负样本，i表示帧序号，n表示总帧数，dt()表示判别器，e()表示取期望值。
23、另一方面，本发明提出了一种自适应x射线动态图像估计系统，包括：
24、采集输入模块，用于将积分时间分别为t1和t3的x射线图各自像取平均后作为起始x射线图像；
25、运动估计模块，用于通过光流估计模型pwc-net进行运动估计；
26、自适应核密度估计及贡献图估计模块，用于捕获实际观测值中像素值的空间演化，以及采用可学习的贡献图描述x射线图像不同帧之间的相关性；和
27、时间鉴别器，用于确保估计的x射线图像数据在时间上的连续性和一致性，从而实现对中间时间t2内不同时刻x射线动态图像的估计。
28、与现有技术相比，本发明的优势在于：
29、1、动态x-ray图像自适应估计方法：本技术提出了一种新的方法，能够对磁层在积分时间内的运动变化进行估计。与传统的静态估计方法相比，这种动态方法能够更准确地反映磁层的实时状态变化，为后续磁层的动态三维重建提供更有利的输入。
30、2、整合实际观测与理论物理模型：本技术将omni观测太阳风参数数据和sxi观测x-ray图像数据相结合，利用mhd模型产生的x-ray图像为自适应估计方法提供先验的运动知识。这种整合能够提高x-ray图像估计的准确性和质量。
31、3、自适应核密度估计：在x-ray图像处理中，引入了自适应核密度估计方法，充分利用了sxi观测结果和运动估计的信息，从而更好地捕捉到磁层的空间变化特征。
32、4、基于神经网络的模型设计：提出了一种创新的神经网络模型，其中包括运动估计、自适应核密度估计、可学习的贡献map和时间鉴别器等核心部分。这种模型能够协同工作，提供对磁层变化的准确和动态的估计。
33、5、适用于不同时间间隔的灵活性：该方法在考虑周期一致性的情况下能够轻松扩展，满足不同应用场景对时间间隔需求的灵活性。这种灵活性使得该方法能够适应不同的观测任务需求，为实际应用提供了更大的便利性。
1.一种自适应x射线动态图像估计方法，用于空间科学任务，包括：
2.根据权利要求1所述的自适应x射线动态图像估计方法，其特征在于，所述将积分时间分别为t1和t3的x射线图各自像取平均后作为起始x射线图像，包括：
3.根据权利要求2所述的自适应x射线动态图像估计方法，其特征在于，所述光流估计模型pwc-net的输入为两幅x射线图像g0和g1，输出为g0到g1的正向运动估计场j0→1，以及g1到g0的反向运动估计场j1→0。
4.根据权利要求2所述的自适应x射线动态图像估计方法，其特征在于，自适应核密度估计方法和可学习的贡献图采用u-net实现，所述u-net包括编码器、解码器和跳过连接，其中，每个处理单元包含3×3卷积和relu激活，编码器使用平均池化来提取特征，解码器上采样层采用双线性插值，用于将编码器中的特征图上采样到更高分辨率，使用softmax层作为约束，保证核权重非负。
5.根据权利要求4所述的自适应x射线动态图像估计方法，其特征在于，所述u-net的训练采用adamax优化器，损失函数为：
6.根据权利要求1所述的自适应x射线动态图像估计方法，其特征在于，所述时间鉴别器采用慢融合模型，输入是自适应估计所得的连续两帧，输出是判别结果；处理过程为：将自适应估计所得的连续两帧分别送入两个独立的处理流，分别模拟低分辨率图像的上下文流和处理高分辨率中心裁剪的中央凹流；两个独立的处理流包括交替的卷积、归一化和池化层，再汇聚到全连接层。
7.根据权利要求6所述的自适应x射线动态图像估计方法，其特征在于，所述慢融合模型训练的目标函数使用交叉熵，满足下式：
8.一种自适应x射线动态图像估计系统，其特征在于，包括：
