面向轻量化的地基云图分割技术研究

摘要：

云是气象领域比较重要的要素之一,准确快速获取云量,在天气预报、飞行安全、气候研究等方面均具有积极意义,因此为了快速准确地获得云量,就需要精准地分割云图.但是现有云图分割网络存在分割效果差、运算复杂度高、参数量大等问题,为了解决这些问题,提出一种轻量化的地基云图分割网络模型LGCSegNet.该模型利用Encoder-Decoder网络模型框架进行设计,利用通道拼接思想在通道深度上实现不同层次图像特征融合,避免损失特征边界,实现精确地分割地基云图,可获取准确的云量信息.在地基云图数据集HBMCD和HBMCD_GT上进行实验,经多组对比实验证明所提出的网络对云的表征能力更强,分割准确率比较高,可达到96.83％,分割的平均交并比可以达到86.00％,为实际应用提供了一定的理论基础.

关键词：地基云图、图像分割、深度学习、轻量化、卷积神经网络

所属期刊栏目：41

分类号：TP308(计算技术、计算机技术)

资助基金：国家重点研发计划;国家自然科学基金

在线出版日期：2022-09-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：37-43