全文总字数：2024字

1. 研究目的与意义及国内外研究现状

云是一种重要的气象要素，云观测是地面观测的重要内容之一，准确的云观测可以对天气预报、飞行安全、人工降雨等方面提供帮助。空气中的一些尘埃、污染物和气溶粒子的存在则会影响到气象预测的准确性，因此云图的有效分割成为解决这一问题的关键。利用改进型全卷积神经网络来判断关键像素是“云”或者是“非云”可以提高天气预测的准确性。

国内外研究现状

1980年日本学者福岛邦彦提出神经认知模型。

1989年yann lecun提出第一个真正意义上的cnn卷积神经网络：lenet。

2. 研究的基本内容

本文主要实现云图的分割问题，提高天气预测能力

[1]分析影响大气预测的问题，研究分离云与非云区域的问题

[2]学习全卷积神经网络cnn以及全卷积神经网络fcn基本原理

3. 实施方案、进度安排及预期效果

1、实行方案：

[1]系统学习cnn卷积神经网络以及fcn全卷积神经网络的原理

[2]获得足够样本图片对神经网络进行训练以及测试

4. 参考文献

[1]毋立芳,贺娇瑜,简萌,邹蕴真,赵铁松.局部聚类分析的fcn-cnn云图分割方法.软件学报,2018

[2]杨俊,吕伟涛,姚雯,李清勇.基于自适应阈值的地基云自动检测方法.应用气象学报,2009

[3]章毓晋.图像处理和分析教程[m].人民邮电出版社,2016.