气象传真图是一种提供给海上船舶的气象图文件,以传输方便、信息量丰富的特点在航海、军事和科研领域受到越来越多从业者的青睐。等值线将气象传真图中的三维信息反映在二维图像中,是气象传真图中的重要组成部分。而目前气象传真图的处理方法还大量依赖人工干预和修正,现有的处理算法也因运算缓慢不能满足目前的需求。现如今随着深度学习相关学科的发展和硬件算力的提升,利用深度学习方法处理气象传真图也成为了必然趋势。为了解决传统算法的问题,本文利用近两年较为成功的神经网络,开辟了一种等值线检测和插值的新思路,提高了等值线检测与插值的精度和运算速度,具体工作内容如下:（1）数据集的制作。在中国中央气象台和日本气象厅网站共收集4030张气象传真图,通过传统算法结合人工修正,得到等值线检测的真实值,最终完成等值线检测专用数据集MFMD。（2）基于pix2pix的等值线检测方法,创新性地将等值线检测问题转换为图像翻译问题。以真实等值线图为约束,将原始像素点映射到输出网格中,检测出完整的等值线。经过测试,证明这种方法可以在保证检测精度的前提下极大地提升检测速度,而且还解决了传统算法中存在大量断点的问题。（3）基于等压面的等值线插值算法,创新性地通过维度变换实现二维等值线的插值。通过对等值线图进行预处理、字符识别和断线连接后,实现等值线的重建和点云获取。基于RL-GAN-Net,稀疏点云通过潜层空间变换和强化学习奖励策略,实现点云数据的空间插值。空间插值过后的点云进行Delaunay三角剖分后,将三维等值线模型投影到二维平面中,实现了对等值线的插值工作。经过交叉验证法的证明,基于等压面的等值线插值算法精度相较于深度学习的二维插值算法和surfer软件有明显的提升。