气象卫星能够提供全天候的大气、海洋和云况信息,已成为天气预报、灾害天气监测的重要信息来源。随着卫星遥感技术、图像处理技术的发展,利用图像处理技术对卫星云图作相关处理和信息提取已经成为气象卫星资料分析的主要的手段。卫星云图可以便捷地提供时空尺度广泛的云的信息,所展示的云的种类和形态蕴涵着丰富的天气演变信息,综合反映了大气中正在进行的动力和热力过程。因此,准确识别气象卫星云图上云的种类和分布,对提高灾害性天气的监测和改进天气预报有重要的现实意义。目前,目视解译仍是卫星云图识别、分析的主要方式之一,即根据专家经验与多种资料结合,按照一定的方法与规律对图像上的云类进行识别。但人工判读包含一定程度的主观因素,既不利于卫星云图丰富信息的充分提取,同时又有碍天气预报制作的自动化与定量化。因此,探究卫星云图中云类别的计算机自动分类技术,对于推动和深化卫星云图分类识别的定量工作具有重要意义。本文通过对数字图像处理、数据融合、模式识别、气象卫星学等跨学科的交叉研究,建立了卫星云图云类特征提取及云类识别的研究路线。主要研究内容和结果如下：(1)研究红外云图与水汽图的图像融合,解决水汽图在云类识别应用研究中长期受不到重视的问题,突出水汽图特征。本文设计了红外云图与水汽图的小波融合方案,并利用定量指标对融合云图进行评价分析。试验结果表明,本文设计的融合方案达到预期目的,融合云图清晰,不仅有效地保留了原始红外云图的特征信息,并且水汽特征在融合图像中也能得到较好的反映。(2)研究云类光谱特征与纹理特征提取方法,提出基于光谱与纹理特征相结合的云类识别方法,解决在以往的研究中仅利用单一的光谱特征或纹理特征进行云类识别而特征提取不全面的问题。本文利用灰度共生矩阵法提取融合云图的纹理特征,数字图像处理技术提取多波段云图的光谱特征。试验结果表明,本文选取的云类特征量是有效的,可以描述各类云系与地表。(3)研究云类识别分类器模型,分别设计了加权最小距离与多分类支持向量机云类识别分类器模型。本文改进了简单最小距离分类器在属性间数量级相差很大或属性值波动差异明显时,其分类性能较差的问题,提出基于属性归一化的加权最小距离分类器。试验结果表明,基于属性归一化的加权最小距离分类法分类速度快,并且能有效地区分出各类云系,分类效果良好。以标准二分类支持向量机分类器为基础,提出了基于一对一组合的多分类支持向量机云类识别分类器模型。试验结果表明,基于一对一组合的多分类支持向量机分类方法可以有效地区分出各类云系,分类结果与云图中云的性质基本相符。