全文总字数：4533字

1. 研究目的与意义及国内外研究现状

云在大气辐射传输和气候变化中起着重要作用,准确自动地对云的类型进行判断是提高天气预报准确率的重要应用研究之一。地基云图云状的识别是实现地面测云仪器观测自动化的重难点问题。

从卫星上可以获得大尺度的云信息,但是这些数据是低分辨的且可能会有误判，例如,低云、薄云和地表常会混淆；受辐射计视角的限制,小块的云常被忽略，地基观测设备获取的资料则可以和卫星观测资料互为补充，自动估计云量的算法对于他们来说也已经比较成熟。

受地基全天空测云仪器发展的限制以及云在不同大气条件下的形状千变万化的影响，已有的测云仪器虽然实现了云量的定量测量，但对于地基云图云状的自动化识别研究并不多，能识别的云的种类较少，只能简单识别三至四种典型的云状，识别率也不高。目前对于地基云图的识别研究大多都是提取不同云状的纹理特征, 训练分类器, 从而实现云状的自动识别。

2. 研究的基本内容

本论文提出了能够获取全局场景的深度网络pspnet，在pspnet中利用基于不同区域的上下文信息，通过金字塔池模块和提议的金字塔场景解析网络（pspnet）来挖掘全局上下文信息的能力。目标是为图像中的每个像素分配一个类别标签。场景解析提供了对场景的完全理解。它预测每个元素的标签、位置和形状。能够融合合适的全局特征，将局部和全局信息融合到一起。

（1）系统结构

resnet（residual neural network）由微软研究院的kaiming he等四名华人提出，通过使用resnet unit成功训练出了152层的神经网络，其主要思想是在网络中增加了直连通道。

3. 实施方案、进度安排及预期效果

实行方案:

(1) 软件选择

4. 参考文献

[1]陈晓颖.地基云图云状识别技术及其研究进展 [A]．2014

[2]Hengshuang Zhao. Pyramid Scene Parsing Network [DB/OL]．2017.4