全文总字数：2680字

1. 研究目的与意义及国内外研究现状

随着科学技术的发展和进步，识别技术的应用容易广泛，如语音识别、图像识别 、邮件的识别等等，并且已经从简单的理论进入到我们的日常生活当中。而其中图像识别的应用，更是显而易见的。从手机、电脑等使用的指纹开机或者签到所用的打卡机，再到人脸识别的签到系统，都离不开图像识别技术。由于计算机技术和信息技术的不断发展，图像识别技术的使用领域越也来越广泛，气象领域就是其中一个，气象工作者需要通过气象观测的数据或利用卫星照片来进行天气预报等等，那么设计并实现一个可以自动识别气象卫星云图的算法，就可以大大减少气象工作者的工作负担。

设计并实现一个算法，使用tensorflow为框架的基础上，使用卷积神经网络，使其可以实现对于输入层云图数据的分析以及分类，通过算法的神经网络以及优化算法之后，可以让其输出层反映出该对应云图的天气状况。

国内外研究现状

对于图像的处理是深度学习算法最早尝试应用的领域。早在1989年，加拿大多伦多大学教授yann lecun就和他的同事提出了卷积神经网络（convolutional neural networks, cnn）它是一种包含卷积层的深度神经网络模型。通常一个卷机神经网络架构包含两个可以通过训练产生的非线性卷积层，两个固定的子采样层和一个全连接层，隐藏层的数量一般至少在5个以上。cnn的架构设计是受到生物学家hube和wiesel的动物视觉模型启发而发明的，尤其是模拟动物视觉皮层的v1层和v2层中简单细胞和复杂细胞在视觉系统的功能。起初卷积神经网络在小规模的问题上取得了当时世界最好成果。但是在很长一段时间里一直没有取得重大突破。主要原因是卷积神经网络应用在大尺寸图像上一直不能取得理想结果，比如对于像素数很大的自然图像内容的理解，这使得它没有引起计算机视觉研究领域足够的重视。2012年10月，hinton教授以及他的学生采用更深的卷神经网络模型在著名的imagenet问题上取得了世界最好结果，使得对于图像识别的领域研究更进一步。

2. 研究的基本内容

采用Python为主要语言进行编程，使用的IDE是Pycharm，TensorFlow为主要框架，设计实现一个卫星云图的分类算法研究。算法主要分为以下步骤：①训练数据②接受命令行参数③定义神经网络模型④使用优化算法。在经过输入层、神经网络、隐藏层、输出层之后，可以实现对于卫星云图的分类。为一些从事关于气象研究的工作人员提供一个快速识别卫星云图的通道。

该算法程序在使用TensorFlow为框架的基础上，使用卷积神经网络，使其可以实现对于输入层云图数据的分析以及分类，通过算法的神经网络以及优化算法之后，可以让其输出层反映出该对应云图的天气状况。

3. 实施方案、进度安排及预期效果

本算法采用python为主要语言进行编程，使用的ide是pycharm，tensorflow为主要框架，设计实现一个卫星云图的分类算法研究。算法主要分为以下步骤：①训练数据②接受命令行参数③定义神经网络模型④使用优化算法。在经过输入层、神经网络、隐藏层、输出层之后，可以实现对于卫星云图的分类。为一些从事关于气象研究的工作人员提供一个快速识别卫星云图的通道。进度安排：

2018.2.26—2018.3.1 与导师商谈论文的初步构想，提交论文大纲

2018 3.10—2018.4.1与导师交流，修改大纲，确定论文的大致方向

4. 参考文献

[1] george d, sergiadis, dimitrios s, et al. human brain inspired still and moving image processing[a]. ieee international conference on imaging systems techniques[c]. thessaloniki, greece:ieee,2010:100-104.

[2] mary c. potter, brad wyble, carl erick hagmann, et al. detecting meaning in rsvp at 13ms per picture[j]. atten percept psychophys,2014,79:270-279.

[3] jin chun piao, hyeon sub jung, chung pro hong, et al. improving performance on object recognition for real-time on mobile devices[j]. muitimed tools appl,2016,75:9623-9640.