随着射电望远镜的高速发展,物理天文学家对太阳的观测研究日渐成熟,同时各个天文观测站观测的太阳射电数据呈现出海量趋势。然而仅仅依靠物理天文学家人工检测识别太阳射电爆发,不但效率低下,而且浪费大量的人力、物力资源,再加上人的主观性对检测结果也存在很大的影响。如果能够自动准确地检测出太阳射电爆发,不仅能够降低人力成本,而且也能够及时采取应对措施规避风险和损失。基于此,本文研究太阳射电爆发的自动检测具有一定的实际意义。本文将DBSCAN（Density-Based Spatial Clustering of Applications with Noise,具有噪声的基于密度的聚类算法）聚类算法应用于太阳射电爆发检测,提出了基于DBSCAN聚类算法的太阳射电爆发自动检测方法,概括如下:为了提高太阳射电爆发检测准确度和实时性。首先,需对射电频谱图像进行预处理。本文结合通道归一化方法对太阳射电频谱图像做图像质量增强处理,凸显目标区域。然后,将统计学中的正态分布应用于太阳射电图像目标区域分割,并处理成二值图像,降低聚类过程数据处理的难度。图像预处理后,使用DBSCAN密度聚类算法对太阳射电爆发区域进行聚类。根据太阳射电在爆发时的强度远大于宁静时的强度,且连续性较强,可将太阳射电爆发聚为一个类别,同时也能够检测出非爆发区域中的噪声点,从而达到提取爆发区域的目的,然后再结合形态学操作将射电爆发区域进行连续化。最后,结合Canny边缘检测算法,提取太阳射电爆发的轮廓信息,进而提取爆发开始时间和结束时间。实验结果表明,本文提出的方法能实现太阳射电爆发的自动检测,相较于传统检测方法,不但能提高检测效率,而且爆发时间提取也更加准确。可以为科学家及相关工作人员提供一定的参考,及时应对太空天气变化并做出相应预警。