基于深度學(xué)習(xí)的地基云圖分類與分割研究
發(fā)布時間:2022-08-01 15:47
本文利用已公開的地基云圖數(shù)據(jù)集 Singapore Whole-sky Imaging Cate-gories(SWIMCAT)數(shù)據(jù)集、SWIMSEG(Singapore Whole Sky Image Segmentation)數(shù)據(jù)集、BENCHMARK 數(shù)據(jù)集和自建的 Cirrus Cumulus Stratus Nimbus(CCSN)數(shù)據(jù)集,基于深度學(xué)習(xí)的方法,研究了地基云分類與云分割的問題。主要結(jié)論如下:(1)針對氣象行業(yè)地基云圖的分類問題,一個新的卷積神經(jīng)網(wǎng)絡(luò)模型被提出,稱之為CloudNet,用于地基云分類,一個地面云圖數(shù)據(jù)集被建立,稱之為CCSN,該數(shù)據(jù)集包括氣象標(biāo)準(zhǔn)下的10種云類型。CCSN數(shù)據(jù)集中云圖像的數(shù)量是以前數(shù)據(jù)集的三倍。第一次將飛機(jī)產(chǎn)生的尾跡云在該數(shù)據(jù)集中予以考慮,使該數(shù)據(jù)集與現(xiàn)有的地面云圖數(shù)據(jù)集相比更全面和具有代表性。在該云圖數(shù)據(jù)集上進(jìn)行訓(xùn)練,并對訓(xùn)練好的模型進(jìn)行優(yōu)化,與傳統(tǒng)的方法進(jìn)行比較,結(jié)果表明該模型分類準(zhǔn)確度更佳、參數(shù)量更少、訓(xùn)練效率更高。大量實驗的評估表明,提出的CloudNet模型可以在氣象云分類中取得良好的分類效果。(2)針對云分割的問題,經(jīng)過...
【文章頁數(shù)】:58 頁
【學(xué)位級別】:碩士
【部分圖文】:
圖2.1?H:種不同數(shù)掘集中的一些樣軋(a)圖像來自CCSN數(shù)據(jù)集依次為Ac,Sc,?Ns,Cu,Ci,Cc,?Cb,??As,?Ct,Cs,?St;?(b)圖像來自?HUST?數(shù)據(jù)集,依次為?Ac,?As,?Cc,Clear?sky,?Cs,?Cu,?Sc,St,?Ci;?(c)圖像來??
圖2.5過擬合?欠擬合滿競亂(a)為欠擬合>,〇))為急靡勺擬合,(c)為過擬合9??
圖3.1卷積神經(jīng)網(wǎng)絡(luò)應(yīng)用于云分美的示意爾,將云爾輸入到卷積神經(jīng)網(wǎng)絡(luò)后輸出的是對應(yīng)的云類??
【參考文獻(xiàn)】:
期刊論文
[1]基于深度卷積神經(jīng)網(wǎng)絡(luò)的氣象雷達(dá)噪聲圖像語義分割方法[J]. 楊宏宇,王峰巖. 電子與信息學(xué)報. 2019(10)
[2]遙感圖像云檢測的多尺度融合分割網(wǎng)絡(luò)方法[J]. 郭玥,于希明,王少軍,彭宇. 儀器儀表學(xué)報. 2019(06)
[3]利用黃山地區(qū)地基觀測對FY-2E云分類的檢驗和驗證[J]. 楊牧田,金蓮姬. 科學(xué)技術(shù)與工程. 2015(36)
[4]資源三號測繪衛(wèi)星自動云檢測[J]. 陳振煒,張過,寧津生,唐新明. 測繪學(xué)報. 2015(03)
[5]基于選擇性神經(jīng)網(wǎng)絡(luò)集成的地基云狀識別算法[J]. 魯高宇,李濤. 計算機(jī)應(yīng)用與軟件. 2015(03)
[6]基于紋理特征的地基云分類識別研究[J]. 李含光,王琦. 重慶郵電大學(xué)學(xué)報(自然科學(xué)版). 2014(04)
[7]基于KNN的地基可見光云圖分類方法[J]. 朱彪,楊俊,呂偉濤,陳麗英,馬穎,姚雯,張義軍. 應(yīng)用氣象學(xué)報. 2012(06)
[8]測云方法研究進(jìn)展[J]. 陸雅君,陳剛毅,龔克堅,魏鳴,龔敬瑜. 氣象科技. 2012(05)
[9]基于局部閾值插值的地基云自動檢測方法[J]. 楊俊,呂偉濤,馬穎,姚雯,李清勇. 氣象學(xué)報. 2010(06)
[10]全天空測云技術(shù)現(xiàn)狀及進(jìn)展[J]. 高太長,劉磊,趙世軍,孫學(xué)金,劉劍. 應(yīng)用氣象學(xué)報. 2010(01)
博士論文
[1]典型地基云圖云狀的識別方法研究[D]. 陳曉穎.東南大學(xué) 2015
[2]復(fù)雜結(jié)構(gòu)的聚類學(xué)習(xí)及圖像分割研究[D]. 丁軍娣.南京航空航天大學(xué) 2008
碩士論文
[1]基于神經(jīng)網(wǎng)絡(luò)的國產(chǎn)高分光學(xué)遙感圖像云檢測[D]. 康超萌.中國科學(xué)院大學(xué)(中國科學(xué)院西安光學(xué)精密機(jī)械研究所) 2018
[2]基于圖像特征的地基云分類識別研究[D]. 王琦.南京信息工程大學(xué) 2013
[3]基于小波變換的地基云圖云狀分割[D]. 袁永.南京信息工程大學(xué) 2011
本文編號:3667731
【文章頁數(shù)】:58 頁
【學(xué)位級別】:碩士
【部分圖文】:
圖2.1?H:種不同數(shù)掘集中的一些樣軋(a)圖像來自CCSN數(shù)據(jù)集依次為Ac,Sc,?Ns,Cu,Ci,Cc,?Cb,??As,?Ct,Cs,?St;?(b)圖像來自?HUST?數(shù)據(jù)集,依次為?Ac,?As,?Cc,Clear?sky,?Cs,?Cu,?Sc,St,?Ci;?(c)圖像來??
圖2.5過擬合?欠擬合滿競亂(a)為欠擬合>,〇))為急靡勺擬合,(c)為過擬合9??
圖3.1卷積神經(jīng)網(wǎng)絡(luò)應(yīng)用于云分美的示意爾,將云爾輸入到卷積神經(jīng)網(wǎng)絡(luò)后輸出的是對應(yīng)的云類??
【參考文獻(xiàn)】:
期刊論文
[1]基于深度卷積神經(jīng)網(wǎng)絡(luò)的氣象雷達(dá)噪聲圖像語義分割方法[J]. 楊宏宇,王峰巖. 電子與信息學(xué)報. 2019(10)
[2]遙感圖像云檢測的多尺度融合分割網(wǎng)絡(luò)方法[J]. 郭玥,于希明,王少軍,彭宇. 儀器儀表學(xué)報. 2019(06)
[3]利用黃山地區(qū)地基觀測對FY-2E云分類的檢驗和驗證[J]. 楊牧田,金蓮姬. 科學(xué)技術(shù)與工程. 2015(36)
[4]資源三號測繪衛(wèi)星自動云檢測[J]. 陳振煒,張過,寧津生,唐新明. 測繪學(xué)報. 2015(03)
[5]基于選擇性神經(jīng)網(wǎng)絡(luò)集成的地基云狀識別算法[J]. 魯高宇,李濤. 計算機(jī)應(yīng)用與軟件. 2015(03)
[6]基于紋理特征的地基云分類識別研究[J]. 李含光,王琦. 重慶郵電大學(xué)學(xué)報(自然科學(xué)版). 2014(04)
[7]基于KNN的地基可見光云圖分類方法[J]. 朱彪,楊俊,呂偉濤,陳麗英,馬穎,姚雯,張義軍. 應(yīng)用氣象學(xué)報. 2012(06)
[8]測云方法研究進(jìn)展[J]. 陸雅君,陳剛毅,龔克堅,魏鳴,龔敬瑜. 氣象科技. 2012(05)
[9]基于局部閾值插值的地基云自動檢測方法[J]. 楊俊,呂偉濤,馬穎,姚雯,李清勇. 氣象學(xué)報. 2010(06)
[10]全天空測云技術(shù)現(xiàn)狀及進(jìn)展[J]. 高太長,劉磊,趙世軍,孫學(xué)金,劉劍. 應(yīng)用氣象學(xué)報. 2010(01)
博士論文
[1]典型地基云圖云狀的識別方法研究[D]. 陳曉穎.東南大學(xué) 2015
[2]復(fù)雜結(jié)構(gòu)的聚類學(xué)習(xí)及圖像分割研究[D]. 丁軍娣.南京航空航天大學(xué) 2008
碩士論文
[1]基于神經(jīng)網(wǎng)絡(luò)的國產(chǎn)高分光學(xué)遙感圖像云檢測[D]. 康超萌.中國科學(xué)院大學(xué)(中國科學(xué)院西安光學(xué)精密機(jī)械研究所) 2018
[2]基于圖像特征的地基云分類識別研究[D]. 王琦.南京信息工程大學(xué) 2013
[3]基于小波變換的地基云圖云狀分割[D]. 袁永.南京信息工程大學(xué) 2011
本文編號:3667731
本文鏈接:http://sikaile.net/projectlw/qxxlw/3667731.html
最近更新
教材專著