氣象研究表明,強對流往往是導(dǎo)致暴雨、龍卷風、冰雹等自然災(zāi)害的直接原因,這些自然災(zāi)害會給人民的生活生產(chǎn)行為帶來很大的不便,嚴重時甚至會危害到人民的生命安全。如果我們能夠預(yù)測對流云系的發(fā)展過程,就可以在一定程度上規(guī)避自然災(zāi)害帶來的損失。我們可以從衛(wèi)星云圖圖像序列中觀測到對流的變化過程,為了預(yù)測對流云的未來發(fā)展形態(tài),我們可以先預(yù)測衛(wèi)星云圖的后續(xù)變化形態(tài),然后根據(jù)預(yù)測得到的衛(wèi)星云圖檢測強對流。該過程可以抽象為視頻預(yù)測和圖像序列分割兩個問題�，F(xiàn)有的視頻預(yù)測算法和圖像分割算法應(yīng)用場景比較廣泛,沒有針對衛(wèi)星數(shù)據(jù)的特點設(shè)計特定的模型算法。在視頻預(yù)測問題中,目前主流方法往往是基于seq2seq結(jié)構(gòu)的,這種結(jié)構(gòu)的一大缺點就是解碼器獲得的信息僅僅來源于編碼器對輸入的編碼,導(dǎo)致的問題就是隨著預(yù)測步數(shù)增加圖像越來越模糊。在圖像分割問題中,當前的方法大多是針對單幀圖像的并且需要分割的目標是剛體,這些方法沒有考慮到圖像序列中時序特征對分割效果的作用以及目標是流體的情況。本文針對seq2seq預(yù)測框架的不足提出了基于特征金字塔的遞推模型。特征金字塔的設(shè)計主要是為了融合不同粒度的特征,更加準確地還原圖像。為了更好地利用... 

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

【文章頁數(shù)】：58 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第1章 緒論
    1.1 研究背景
    1.2 研究目的與意義
    1.3 國內(nèi)外研究現(xiàn)狀
        1.3.1 基于傳統(tǒng)方法的對流云檢測方案研究現(xiàn)狀
        1.3.2 視頻預(yù)測研究現(xiàn)狀
        1.3.3 圖像分割研究現(xiàn)狀
    1.4 問題的總結(jié)與分析
        1.4.1 視頻預(yù)測方法
        1.4.2 圖像分割方法
    1.5 本文主要研究內(nèi)容
    1.6 本文組織結(jié)構(gòu)
第2章 視頻預(yù)測和圖像分割基礎(chǔ)知識
    2.1 卷積-長短期記憶網(wǎng)絡(luò)
        2.1.1 卷積操作
        2.1.2 長短期記憶單元
        2.1.3 卷積-長短期記憶單元
    2.2 視頻預(yù)測算法
    2.3 圖像分割算法
    2.4 本章小節(jié)
第3章 基于特征金字塔的遞推模型
    3.1 引言
    3.2 基于特征金字塔的遞推模型總體框架
    3.3 基于特征金字塔的遞推模型設(shè)計細節(jié)
        3.3.1 特征金字塔設(shè)計
        3.3.2 遞推模型架構(gòu)
        3.3.3 優(yōu)化目標設(shè)計
    3.4 實驗過程與結(jié)果分析
        3.4.1 實驗數(shù)據(jù)集介紹
        3.4.2 評價標準介紹
        3.4.3 實驗環(huán)境
        3.4.4 實驗過程
        3.4.5 實驗結(jié)果可視化
        3.4.6 實驗對比和分析
    3.5 本章小結(jié)
第4章 基于圖像序列分割的強對流識別算法
    4.1 引言
    4.2 圖像序列分割算法總體框架
    4.3 圖像序列分割算法設(shè)計細節(jié)
        4.3.1 圖像特征提取模塊設(shè)計
        4.3.2 時序特征提取模塊設(shè)計
        4.3.3 非線性層
        4.3.4 優(yōu)化目標設(shè)計
    4.4 實驗結(jié)果與分析
        4.4.1 實驗數(shù)據(jù)集介紹
        4.4.2 評價標準介紹
        4.4.3 實驗環(huán)境
        4.4.4 實驗過程
        4.4.5 實驗結(jié)果可視化
        4.4.6 實驗對比和分析
    4.5 本章小結(jié)
結(jié)論
參考文獻
致謝


【參考文獻】：
期刊論文
[1]U-net與Dense-net相結(jié)合的視網(wǎng)膜血管提取[J]. 徐光柱,胡松,陳莎,陳鵬,周軍,雷幫軍.  中國圖象圖形學(xué)報. 2019(09)
[2]Algorithm based on local breeding of growing modes for convection-allowing ensemble forecasting[J]. Chaohui CHEN,Xiang LI,Hongrang HE,Jie XIANG,Shenjia MA.  Science China（Earth Sciences）. 2018(04)
[3]紅外云圖上中尺度對流系統(tǒng)的自動識別[J]. 束宇,潘益農(nóng).  南京大學(xué)學(xué)報(自然科學(xué)版). 2010(03)



本文編號：3052524