极光是由携带有高能带电粒子的太阳风在与地球磁场和大气层相互作用过程中产生的发光现象。因其独特的成因,极光现象的背后隐藏着大量极区日地相互作用和地球大气层活动的相关信息,同时极光形成和发展过程中在电离层中产生并传播的大量能量又会给通信等人类活动造成干扰。所以对极光现象的观测和分析对研究日地间作用和极区大气层活动有着重要意义,掌握极光现象发生的规律,还可以有效降低极光对人类活动的影响。我国在南北极的多个科考站中都配置有极光数据采集设备,其中极光光谱仪用于采集极光光谱数据,全天空成像仪用于采集全天空极光图像数据。这些极光观测设备都以固定的频率生成并保存极光数据,因此每天都有大量极光数据产生,对这些海量极光数据的分析处理就成为一个研究热点。在对极光数据的分析处理中,Keogram处理可以生成极光概要图,聚类分析可以对极光数据集按照形态实现自动划分,继而作为极光序列分割、极光事件聚类等研究的基础。本文即是以极光数据作为主要研究对象,在多类型极光数据Keogram处理、全天空极光图像聚类分析以及极光序列分割等方面做了相应的基础研究工作。归纳起来,本文的主要研究成果有:1)对全天空极光图像和极光光谱图像分别设计并开发了分析处理平台,并在其中设计实现了Keogram处理功能。本文从多种类型极光数据特点出发,对其中的差异在技术实现上做以屏蔽,对处理流程上相似的部分设计统一的模型,设计实现了统一的多线程Keogram处理系统,并集成在相应的极光数据传输分析平台中。2)建立了多种全天空极光图像聚类分析模型。本文采用聚类算法实现对极光图像的自动划分,通过在极光特征提取和聚类计算这两步采用不同算法构建了多种聚类分析模型,在使用多个侧重点不同的聚类有效性评价指标做以评价后,实验结果表明改进的深度嵌入式卷积自编码网络和基于高斯混合模型的均值最大化聚类算法可以实现对全天空极光图像的有效聚类。本文将集成学习算法应用于极光图像聚类分析,经实验验证,使用e Forest可以实现对极光特征的更快速更高效提取。此外,本文提出了对全天空极光图像序列先进行预聚类再合并相似簇的两步聚类算法,经实验验证,这种采用人工干预的算法在预聚类簇数超过一定阈值后在各项评价指标中都有更好的表现。3)提出了一种基于聚类分析的极光序列分割方法。将长段的极光序列分割为多段子序列是对极光现象进行深入研究的很重要一步预处理,本文利用聚类分析结果实现了对极光序列的自动分割,并以基于突变检测的极光序列分割算法做以对照,结果证明此方法可以有效地实现对极光序列的分割。