空氣中的塵埃、污染物及氣溶膠粒子的存在嚴(yán)重影響了大氣預(yù)測(cè)的有效性，毫米波雷達(dá)云圖的有效分割成為了解決這一問(wèn)題的關(guān)鍵，本文提出了一種基于超像素分析的全卷積神經(jīng)網(wǎng)路FCN和深度卷積神經(jīng)網(wǎng)絡(luò)CNN（FCN-CNN）的云圖分割方法．首先通過(guò)超像素分析對(duì)云圖每個(gè)像素點(diǎn)的近鄰域?qū)崿F(xiàn)相應(yīng)的聚類(lèi)。同時(shí)將云圖輸入到不同步長(zhǎng)的全卷積神經(jīng)網(wǎng)絡(luò)FCN32s和FCN8s中實(shí)現(xiàn)云圖的預(yù)分割：FCN32s預(yù)測(cè)結(jié)果中的”非云”區(qū)域一定是云圖中的部分”非云”區(qū)域。FCN8s預(yù)測(cè)結(jié)果中的”云”區(qū)域一定是云圖中的部分”云”區(qū)域：剩下不確定的區(qū)域通過(guò)深度卷積神經(jīng)網(wǎng)絡(luò)CNN進(jìn)行進(jìn)一步分析．為提高效率，F(xiàn)CN-CNN選取了不確定區(qū)域中超像素的幾個(gè)關(guān)鍵像素來(lái)代表超像素區(qū)域的特征。通過(guò)CNN網(wǎng)絡(luò)來(lái)判斷關(guān)鍵像素是”云”或者是”非云”．實(shí)驗(yàn)結(jié)果表明。FCN-CNN的精度與MR-CNN、SP-CNN相當(dāng)。但是速度相比于MR-CNN提高了880倍，相比于SP-CNN提高了1.657倍．