| 摘要 | 第5-7页 |
| Abstract | 第7-9页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 课题研究背景和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.3 研究内容及关键技术 | 第13-15页 |
| 1.3.1 主要研究内容 | 第13-14页 |
| 1.3.2 关键技术 | 第14-15页 |
| 1.4 论文组织结构 | 第15-18页 |
| 第二章 云的特征和实验数据 | 第18-22页 |
| 2.1 云的光谱及纹理特征 | 第18-19页 |
| 2.2 实验数据 | 第19-20页 |
| 2.3 建立样本数据集 | 第20-21页 |
| 2.4 本章小结 | 第21-22页 |
| 第三章 结合全卷积神经网络FCN-8s和 U-net模型云检测方法 | 第22-30页 |
| 3.1 全卷积神经网络 | 第23-28页 |
| 3.1.1 FCN-8s模型 | 第23-26页 |
| 3.1.2 U-net模型 | 第26-28页 |
| 3.2 集成学习 | 第28-29页 |
| 3.3 本章小结 | 第29-30页 |
| 第四章 多特征融合的深度学习云检测方法 | 第30-34页 |
| 4.1 深度神经网络 | 第30-32页 |
| 4.2 全卷积神经网络FCN-8s | 第32页 |
| 4.3 支持向量机 | 第32-33页 |
| 4.4 本章小结 | 第33-34页 |
| 第五章 实验与验证 | 第34-52页 |
| 5.1 开发环境介绍 | 第34页 |
| 5.2 实验评价与方法 | 第34-35页 |
| 5.3 实验结果与分析 | 第35-50页 |
| 5.3.1 结合全卷积神经网络FCN-8s和 U-net模型云检测实验结果与分析 | 第35-44页 |
| 5.3.1.1 定性分析与比较 | 第35-41页 |
| 5.3.1.2 定量验证分析 | 第41-44页 |
| 5.3.2 多特征融合的深度学习云检测实验结果与分析 | 第44-50页 |
| 5.3.2.1 定性分析与比较 | 第44-48页 |
| 5.3.2.2 定量验证分析 | 第48-50页 |
| 5.4 本章小结 | 第50-52页 |
| 第六章 结论与展望 | 第52-54页 |
| 参考文献 | 第54-60页 |
| 硕士期间科研成果 | 第60-62页 |
| 致谢 | 第62-63页 |
