云層在氣候預測、氣象服務等領域中起著非常重要的作用�，F(xiàn)存的天基或地基云層圖像分類任務多為人工完成,消費大量的人力,而且由于觀察者的不同標準導致分類結果模棱兩可。在這種背景下,本論文以天基和地基兩種云層圖像數(shù)據(jù)集TCdata和SCdata為數(shù)據(jù)源,進行了云層背景圖像機器學習自動分類方法的研究,開展了以下四個方面的研究工作。（1）在基于卷積神經(jīng)網(wǎng)絡的云層背景圖像分類方法方面,研究了基于卷積神經(jīng)網(wǎng)絡的云層背景圖像分類方法的結構與訓練過程,并在Tensor Flow開發(fā)環(huán)境中,搭建了卷積神經(jīng)網(wǎng)絡的訓練與測試平臺。（2）在數(shù)據(jù)集的制作與處理方面,制作了天基和地基兩種云層圖像數(shù)據(jù)集TCdata和SCdata數(shù)據(jù)集,并對二者進行了數(shù)據(jù)預處理、數(shù)據(jù)增強、數(shù)據(jù)集劃分和數(shù)據(jù)集存儲等處理。這兩種數(shù)據(jù)集中云層圖像的特征復雜度,為不同結構的卷積神經(jīng)網(wǎng)絡的對比實驗研究提供了數(shù)據(jù)支撐。（3）在簡單圖像分類模型的設計與改進方面,以Le Net模型和Alex Net模型為基礎設計了STCnet模型,在TCdata和SCdata數(shù)據(jù)集上的分類準確率都能達到96%以上。實驗證明了池化層在STCnet模型中的重要作用,并在模... 

【文章來源】：哈爾濱工業(yè)大學黑龍江省 211工程院校 985工程院校

【文章頁數(shù)】：73 頁

【學位級別】：碩士

【部分圖文】：

Cortana中的兩個系統(tǒng)變量然后，在Nvidia官方網(wǎng)站下載cuDNN，把bin路徑加入到系統(tǒng)變量Path中

課題所應用的主機配置參數(shù)為：CPU——IntelCorei7-3770；GPU— 6000；操作系統(tǒng)——Windows7-64 位操作系統(tǒng)。所采用的Python harm。先，在 Nvidia 官方網(wǎng)站下載 CUDA(Compute Unified Device Archit進行安裝，在 Cortana 的系統(tǒng)變量中查看以下兩個變量。如圖 2-5令指示符中輸入 nvcc-v 命令行，可以出現(xiàn) Nvidia CUDA 的版本對深度學習庫進行 GPU 加速，極大地縮減了運算時間成本。圖 2-5Cortana 中的兩個系統(tǒng)變量后，在 Nvidia 官方網(wǎng)站下載 cuDNN，把 bin 路徑加入到系統(tǒng)變量后，在 cmd 命令指示符中鍵入 pipinstalltensorflow-gpu，即可安裝所示。

Windows TensorFlow軟件平臺CPU GPU硬件平臺 基于 TensorFlow 的卷積神經(jīng)網(wǎng)絡開發(fā)流程與方法架包括前端和后端兩個部分，中，前端系統(tǒng)提供編程模型，負計算圖。計算圖是TensorFlow的算圖上的節(jié)點。如圖 2-8 所示是的計算圖示意圖。

【參考文獻】：
期刊論文
[1]基于卷積神經(jīng)網(wǎng)絡超分辨率重建的遙感圖像融合[J]. 薛洋,曾慶科,夏海英,王文濤.  廣西師范大學學報(自然科學版). 2018(02)
[2]雹云圖像的識別指標設計[J]. 王雪,廖飛佳,李國東,郭坤.  哈爾濱理工大學學報. 2016(01)

碩士論文
[1]天基大氣背景圖像數(shù)據(jù)分類方法與特性分析[D]. 許秀雯.哈爾濱工業(yè)大學 2017
[2]基于卷積神經(jīng)網(wǎng)絡的高光譜數(shù)據(jù)分類方法研究[D]. 宋欣益.哈爾濱工業(yè)大學 2016
[3]基于卷積神經(jīng)網(wǎng)絡的衛(wèi)星云量計算[D]. 王艦鋒.南京信息工程大學 2016
[4]基于深度學習的圖像分類及其在高光譜圖像中的應用研究[D]. 李新國.南京航空航天大學 2016
[5]基于深度卷積神經(jīng)網(wǎng)絡的毫米波圖像目標檢測方法研究[D]. 施榮.哈爾濱工業(yè)大學 2015
[6]基于卷積神經(jīng)網(wǎng)絡的行為識別研究[D]. 吳杰.電子科技大學 2015
[7]基于卷積神經(jīng)網(wǎng)絡的人臉識別研究[D]. 葉浪.東南大學 2015



本文編號：3593572