紫外观测极光形态提取研究
| 摘要 | 第4-5页 |
| abstract | 第5-11页 |
| 缩略语对照表 | 第11-12页 |
| 第1章绪论 | 第12-22页 |
| 1.1极光与极光观测 | 第12-13页 |
| 1.2极光的形态 | 第13-16页 |
| 1.3极光形态提取 | 第16-19页 |
| 1.3.1极光卵形态提取 | 第16-17页 |
| 1.3.2极盖弧形态提取 | 第17-19页 |
| 1.4研究内容 | 第19-22页 |
| 第2章图像分割方法介绍 | 第22-30页 |
| 2.1传统方法 | 第22-23页 |
| 2.2经典机器学习方法 | 第23-24页 |
| 2.3深度学习方法 | 第24-28页 |
| 2.3.1全卷积网络 | 第25-26页 |
| 2.3.2U-Net | 第26-28页 |
| 2.4本章小结 | 第28-30页 |
| 第3章基于U-Net的紫外观测极光卵形态提取 | 第30-50页 |
| 3.1数据构建 | 第30-35页 |
| 3.1.1数据选取 | 第30-32页 |
| 3.1.2数据标注 | 第32页 |
| 3.1.3数据集划分 | 第32-34页 |
| 3.1.4数据增强 | 第34-35页 |
| 3.2极光卵分割 | 第35-40页 |
| 3.2.1改进模型结构 | 第35-39页 |
| 3.2.2优化函数与收敛指标 | 第39-40页 |
| 3.3极光卵分割结果与讨论 | 第40-49页 |
| 3.3.1对比算法 | 第40-41页 |
| 3.3.2评价指标 | 第41-43页 |
| 3.3.3结果分析 | 第43-49页 |
| 3.4本章小结 | 第49-50页 |
| 第4章基于U-Net的紫外观测极盖弧形态提取 | 第50-62页 |
| 4.1数据构建 | 第50-54页 |
| 4.1.1数据选取 | 第51页 |
| 4.1.2数据坐标转换 | 第51-52页 |
| 4.1.3数据标注 | 第52-53页 |
| 4.1.4训练与测试数据 | 第53-54页 |
| 4.2极盖弧分割 | 第54-58页 |
| 4.2.1改进模型尝试 | 第54-57页 |
| 4.2.2实验设置 | 第57-58页 |
| 4.3极盖弧分割结果与讨论 | 第58-61页 |
| 4.4本章小结 | 第61-62页 |
| 第5章总结与展望 | 第62-64页 |
| 5.1研究总结 | 第62-63页 |
| 5.2研究展望 | 第63-64页 |
| 参考文献 | 第64-72页 |
| 致谢 | 第72-74页 |
| 作者简历及攻读学位期间发表的学术论文与研究成果 | 第74页 |
