由于云的分布变化对太阳辐照度的影响,对天空中云的分布进行预测是保证光伏电场稳定利用太阳能发电的重要环节。同时,云图的准确预测对气象分析也具有重要的应用价值。利用气象学研究成果对图像进行预测计算复杂度高,需要高性能计算机支持,因此不适合用于短时间内的云图预测。而结合计算机视觉知识对云图进行观测分析实时性高,近年来受到越来越广泛的关注。本文主要从鱼眼镜头的校正算法、云的检测、匹配、跟踪预测算法进行了系统的研究和实验。本文的具体研究工作包括：1.确定了一种镜头校正模型,采用多项式拟合的方法逼近这一校正模型。巧妙地利用太阳天顶角与太阳在图像中的几何位置提取了一组数据集用于确定校正模型,并采用了一种迭代的方法对多项式的形式进行估计；2.从特征选取和分类器设计的角度出发,选择了两种区分度最高的特征——红蓝分量差和颜色不变量,并设计了一种自适应混合高斯模型与基于LDA的线性分类器相级联的分类算法对云进行检测。实验结果表明该算法的准确率高于其它方法；3.在对比各类颜色特征对噪声的抗干扰性能的基础上,设计了一种将灰度SURF和RGB颜色特征相结合的Color-SURF特征,用于对图像序列中相同的云进行匹配。该特征不仅能检测到更加丰富的特征点,并且提高了匹配的准确性；4.提出了一种分层运动估计模型。根据实际匹配的特征点数量的大小,设计了一种由粗到精的运动模型。传统的仿射变换模型需要六对以上特征才能估计运动参数,本文中提出的运动模型可以对检测到两对以上特征的云进行运动估计。这组运动模型不仅可以有效地估计云的平移,同时可以估计云的旋转和尺度变化；5.实现了一种采用粒子滤波的方法对云的运动参数空间进行更新。通过预测的运动参数可以得到云的预测图像。实验结果表明,将该算法用于短时间内的云图预测能够取得较高准确率。