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網路FCN和深度卷積神經網絡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相應的聚類。同時將云圖輸入到不同步長的全卷積神經網絡FCN32s和FCN8s中實現云圖的預分割：FCN32s預測結果中的”非云”區域一定是云圖中的部分”非云”區域。FCN8s預測結果中的”云”區域一定是云圖中的部分”云”區域：剩下不確定的區域通過深度卷積神經網絡CNN進行進一步分析．為提高效率，FCN-CNN選取了不確定區域中超像素的幾個關鍵像素來代表超像素區域的特征。通過CNN網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．