| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-14页 |
| 1.1 课题研究背景与意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.2.1 基于遥感数据的台风识别研究现状 | 第10-11页 |
| 1.2.2 基于遥感数据的台风中心定位研究现状 | 第11-12页 |
| 1.3 本文研究内容及论文的组织结构 | 第12-14页 |
| 第2章 数据简介与预处理方法 | 第14-25页 |
| 2.1 台风与台风中心 | 第14-17页 |
| 2.1.1 台风的简介 | 第14-15页 |
| 2.1.2 台风的形成条件 | 第15页 |
| 2.1.3 台风中心的确定 | 第15-17页 |
| 2.2 FY-2气象卫星的遥感数据 | 第17-20页 |
| 2.2.1 遥感数据的作用 | 第17-19页 |
| 2.2.2 FY-2气象卫星简介 | 第19-20页 |
| 2.3 FY-2遥感数据预处理 | 第20-24页 |
| 2.3.1 遥感数据的多通道特点 | 第20-21页 |
| 2.3.2 数据预处理 | 第21-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第3章 台风云系自动识别技术研究 | 第25-46页 |
| 3.1 卫星云图上云系识别的依据 | 第25-26页 |
| 3.2 传统台风云系识别的方法 | 第26-27页 |
| 3.3 目标识别算法简介 | 第27-33页 |
| 3.3.1 IOU定义 | 第28-29页 |
| 3.3.2 R-CNN算法 | 第29-31页 |
| 3.3.3 FastR-CNN算法 | 第31-33页 |
| 3.4 基于FasterR-CNN改进的台风云系识别算法 | 第33-39页 |
| 3.4.1 FasterR-CNN算法 | 第33-34页 |
| 3.4.2 台风识别算法的基本思想与框架 | 第34-35页 |
| 3.4.3 数据的预处理 | 第35-36页 |
| 3.4.4 网络模型的修改和参数的选择 | 第36-39页 |
| 3.5 实验过程与结果分析 | 第39-45页 |
| 3.5.1 数据集介绍 | 第39-40页 |
| 3.5.2 实验环境与评价指标 | 第40-41页 |
| 3.5.3 实验结果分析 | 第41-45页 |
| 3.6 本章小结 | 第45-46页 |
| 第4章 台风中心自动定位技术研究 | 第46-62页 |
| 4.1 传统台风中心定位方法存在的问题 | 第46-47页 |
| 4.2 基于深度学习的台风中心定位 | 第47-52页 |
| 4.2.1 InsFasterR-CNN | 第47-49页 |
| 4.2.2 基于深度学习历史路径的台风中心定位 | 第49-52页 |
| 4.3 实验过程与结果分析 | 第52-61页 |
| 4.3.1 有眼台风的中心定位实验 | 第52-55页 |
| 4.3.2 无眼台风的中心定位实验 | 第55-61页 |
| 4.4 本章小结 | 第61-62页 |
| 结论 | 第62-63页 |
| 参考文献 | 第63-68页 |
| 致谢 | 第68页 |