极光是太阳风携带的高能带电粒子沿着地磁力线沉降,与地球大气层粒子相互碰撞所产生的高纬度自然发光现象。利用紫外成像仪可以从太空中对极地上空的极光现象进行全局成像,其全天候、全视角的观测特点有利于人类探索太阳风与地球磁场的相互耦合作用关系。极光卵是极光粒子以磁极为中心,沉降在地球南北两极地区所形成的椭圆形带状区域。当地球磁层扰动强烈时,极光卵区域的面积和亮度会逐渐膨胀和增强,随后恢复至正常水平,形成极光亚暴事件。从紫外遥感图像中对极光卵区域进行边界提取,进而检测图像序列中的亚暴事件,对人类深入分析日地空间磁能的储存和释放过程,建立有效的粒子沉降模型具有重要的研究意义和应用价值。现有的极光卵区域分割方法精确度较低且对噪声非常敏感,而亚暴检测方法容易引入主观误差且存在严重的时延效应。针对以上缺陷,本文通过改进水平集图像分割方法逐步实现了极光卵的精确、快速和鲁棒分割；通过改进稀疏低秩矩阵分解方法实现了高精度的亚暴自动检测。论文的主要创新点概括如下：1.提出了形状初始化和亮度自适应的水平集图像分割算法,实现了极光卵的精确分割。针对水平集方法对初始化曲线敏感的缺陷,提出了形状知识驱动的初始化方法：结合极光卵的椭圆形状特点,构建目标的形态学显著性图,并以其轮廓作为水平集初始演化曲线。针对水平集演化方程对弱边缘容易泄露的缺陷,提出了亮度自适应的演化方程：将邻域灰度信息引入提升速度函数和边缘停止函数,使水平集的演化自适应于局部亮度。该算法能够凸显极光卵内边界凹凸不平的细节信息,保证弱边缘的完整型,对完整型和缺口型极光卵图像同时适用,提高了极光卵区域的分割精度。2.提出了广义格子玻尔兹曼水平集图像分割算法,实现了极光卵的快速分割。针对有限差分策略步长受限的缺陷,提出了广义格子玻尔兹曼数值求解策略：仿照粒子的碰撞流动过程构建具有外力项的格子玻尔兹曼方程,并将其用于水平集方程的数值求解；针对全域算法计算量大的缺陷,提出了稀疏场计算方式：每次迭代只更新演化曲线周围像素点的水平集函数,对其余像素点不进行更新计算。该算法大幅度降低了每次迭代的计算量,还可以选用较大的时间步长来减少迭代次数,加快极光卵的分割速度。3.提出了马尔可夫嵌入的水平集图像分割算法,实现了极光卵的鲁棒分割。针对水平集演化曲线易受噪声干扰的问题,提出了改进算法。通过马尔可夫随机场构建像素点与其邻域像素点之间的相互作用关系,并将求解的后验分割概率转化为马尔可夫能量项嵌入到水平集能量泛函中,驱使相邻像素点被判定为同一区域属性(目标或背景)。该算法通过邻域像素信息抑制了演化曲线受困于局部极值点的现象,增强了极光卵分割对噪声的鲁棒性。同时,该算法对噪声污染图像、SAR图像、医学图像和自然图像也具有明显的效果,表明该算法具有很好的推广能力。4.提出了形状约束的稀疏低秩矩阵分解算法,实现了亚暴事件的自动检测。针对现有稀疏低秩矩阵分解算法容易引入噪声的缺陷,提出了改进算法。根据亚暴高概率发生区域的地磁位置确定形状约束集合,将图像序列分解为一个稀疏矩阵(运动目标)和一个低秩矩阵(停止背景)之和,并规定稀疏矩阵的更新只能在形状约束集合中进行。该算法有效避免了形状约束集合外部的噪声对运动目标的干扰,提高了序列运动分析的精确度。在此基础上,提出了亚暴自动检测方法。通过粗检测将图像序列中亮度突然增强的时间点作为备选亚暴爆发点；对备选亚暴图像序列进行基于形状约束稀疏低秩矩阵分解的运动分析,构建其运动图谱；判断运动图谱是否符合面积和亮度从膨胀相到恢复相的运动规律,输出符合的图像序列,完成亚暴事件的自动检测。该方法的检测结果不存在时延效应,与实际物理情况高度一致,在保持较快检测速度的前提下,提高了亚暴的检测精度。综上所述,本文的研究成果是极地空间物理学和计算机视觉的交叉创新,涵盖了日地磁场作用机制、图像目标分割、视频事件检测等相关研究内容,具体解决了极光卵的精确、快速、鲁棒分割以及亚暴事件的自动检测问题,为紫外遥感图像的深入分析奠定了坚实的理论基础,对运用工程算法解决自然科学问题开辟了新的思路。