天空偏振导航定向具有无误差累积、不受电磁干扰的优势。在晴朗少云的天气条件下,偏振方位角图中太阳子午线的对称性比较显著,很多学者开发了通过识别太阳子午线确定航向角的偏振导航方法。然而当天空中有较厚的云层存在时,云层中大量的水滴或冰晶粒子对太阳光的多次散射和吸收造成该区域的偏振度降低,且偏振方位角出现异常。此时若对较多云层遮挡的目标空域偏振方位角异常像素直接拟合来提取太阳子午线特征,则得到的将是错误的载体坐标系下的太阳方位角基准信息,目前已有的成像式偏振定向方法在大面积厚云层分布的天气情况下应用范围有限。本文提出了一种利用改进的U-Net深度卷积神经网络并结合偏振度阈值进行云分割的方法,在偏振方位角图中将有云区域对应的异常像素点去除,并基于瑞利散射理论和太阳矢量约束获取太阳方向,从而实现天空偏振定向。首先根据瑞利散射理论构建晴朗无云天空偏振模型,并基于斯托克斯矢量公式获得实际天空偏振场图（偏振度和偏振角图）及天空强度图,对偏振角图进行处理得到偏振方位角图。利用米散射理论分析了多云天气下的云层区域偏振分布规律,研究发现该区域偏振度过低导致偏振方位角异常。然后构建用于天空云分割的改进的U-Net深度卷积神经网络,采用包含三个残差结构的Respath模块,使U-Net神经网络的编码区与解码区能够更好的融合。将神经网络预测的二值分割图与设置偏振度阈值为0.1的二值分割图进行或运算,得到能够较好分割云和蓝天的二值图,将该二值图作为mask模板去除偏振方位角图中异常像素点。其次详细阐述了基于瑞利散射理论和太阳矢量约束的成像式天空偏振定向方法。并通过模拟晴朗无云天气和多云天气进行仿真天空偏振定向实验。搭建了成像式天空偏振探测系统,为了解决鱼眼镜头存在较大的径向畸变问题,提出了一种以信标发光二极管为基准的鱼眼镜头天顶角标定方法。最后分别进行了实际晴朗无云天气和多云天气下获取载体坐标系下的太阳方位角的实验。晴朗无云天气下的实验表明本文方法与拟合太阳子午线的两种方法（最小二乘法、分箱法）相比,太阳相对转角的均方根误差（RMSE）最小,为0.28°。多云天气下的实验表明使用该方法获取载体坐标系下太阳方位角的RMSE误差为0.42°。从实验结果可知,本文方法在天空偏振导航的实际定向应用中具有较好的可行性和较高的鲁棒性。