目录
一、问题描述 1
二、问题现状及现阶段主要方法 3
三、算法主体思路 4
四、算法描述与实现 4
1， 基于 U-Net 框架的网络模型 4
2， 基于传统方法的分割-预测模型 6
五、实验结果与分析 8
附录： 11
一、问题描述
在分析地球的气候时，浅云起着巨大的作用。它们也很难理解，无法在气候模型中表示。本次实验的目标是改善对卫星云层图像的理解，从而帮助建立更优秀可靠的气候模型。云可以通过多种方式进行组织，但是不同组织形式之间的分界线是极其模糊的。这使得构建传统的基于规则的算法来分离不同种类的云具有很大的挑战性。
本次实验中，数据图像来自于 NASA Worldview，是两颗极地轨道卫星 TERRA 和 AQUA 拍摄的，由于这些卫星上成像器较小，因此两轨道卫星的图像可能会缝合在一起，在缝合时会有一些不可见部分，这部分标记为黑色。下面是一幅卫星云层图像的示例：
图像集中所有的图像都标有标签，这些标签是在德国汉堡的马克斯-普朗克气象研究所和法国巴黎动力实验室创建的。由 68 位科学家组成的团队在每帧图像中识别出具有特定类型的云层区域，其中云层包含以下四种类别：