空氣中的塵埃、污染物及氣溶膠粒子的存在嚴重影響了大氣預測的有效性，毫米波雷達云圖的有效分割成為了解決這一問題的關鍵，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CNN（FCN-CNN）的云圖分割方法．首先通過超像素分析對云圖每個像素點的近鄰域實現(xiàn)相應的聚類。同時將云圖輸入到不同步長的全卷積神經(jīng)網(wǎng)絡FCN32s和FCN8s中實現(xiàn)云圖的預分割：FCN32s預測結果中的”非云”區(qū)域一定是云圖中的部分”非云”區(qū)域。FCN8s預測結果中的”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)域通過深度卷積神經(jīng)網(wǎng)絡CNN進行進一步分析．為提高效率，F(xiàn)CN-CNN選取了不確定區(qū)域中超像素的幾個關鍵像素來代表超像素區(qū)域的特征。通過CNN網(wǎng)絡來判斷關鍵像素是”云”或者是”非云”．實驗結果表明。FCN-CNN的精度與MR-CNN、SP-CNN相當。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．