红外云图具有分辨率较低、图幅大和纹理丰富等特点。针对相关研究目前在算法效率优化和局部细节分析方面仍有不足，提出了一种混合超分辨率重建算法。该方法结合双三次插值重建方法和基于稀疏表达的重建方法在不同类型图像区域中的各自优势，利用方差将滑动窗口中的图像块区分为平坦和边缘两种类型；采用双三次插值方法重建平坦型图像块，采用基于稀疏表达的方法重建边缘型图像块。利用目视、峰值信噪比(Peak Signal-to-Noise Ratio, PSNR)以及残差图评估了算法效果。实验结果表明，本文方法在PSNR指标上比插值法平均提高了1 dB，比稀疏法也略有提升；经局部观察发现，改进重建结果中平坦区域噪声减少；该方法的重建耗时明显减少。

红外云图中的云系主要由积雨云、卷云、层云和积云组成，它们对于气象研究有很大的帮助。这 4类云系具有不同的分形维数特征，因而可以借此对它们进行分割。但是由于地表和一些云具有相似的分形维数特征，单纯依靠分形维数的分割效果不理想。对此，采用最大类间方差（Otsu）算法，分离出地表，去除干扰，并对提取出的云系采用分形维数进行分割。由于传统分形维数算法在计算时只选取了窗口内的灰度最大和最小的像素点，获得的分形维数特征不够精确，造成分割的云系出现混淆的现象。对此，在计算的过程中加入窗口中的全部像素点，获得的分形维数能准确地描述区域特征，保证了云系分割的良好效果。

将多分辨率分析融合方法和多尺度几何分析融合方法应用于气象卫星水汽图和红外云图的融合中，并用主观视觉、平均互信息和Xydeas-Petrovic指标对各种融合算法的性能分别进行了定性和定量评价。结果表明，与源图像相比，融合图像取得了更好的视觉效果，图像中包含了更多的信息量，云体清晰度和云的层次感得到了提高，纹理变得细致了。从平均互信息和Xydeas-Petrovic指标看，多尺度几何分析融合方法的效果较多分辨率分析融合方法更好。

利用连续观测的云序列图像进行风场探测的技术已经较为成熟,目前主要应用于卫星云导风中,可以获取较 大范围、大尺度的区域风场信息,但利用地基观测云图进行云导风方面的研究还较少。分析了地基测云仪 器的发展现状,提出了采用高时空分辨率的地基红外云图,通过阈值确定云高,利用目标匹配方法、目标追踪 方法进行示踪云的选择,利用快速搜索算法进行示踪云的搜索,以及地基云导风计算的方法,并分析了导风结 果的质量控制思路。利用该类地基红外云图导风资料可以与常规高空风探测手段、卫星云导风资料互为补充。

针对已有的基于分形维数的图像分割算法难以快速计算一个小区域的分形维数，计算复杂，效率低的问题，通过分析云的分形特征，提出一种采用局部分形维数的方法对红外云彩图像进行分割。首先，提出了一种高效算法来计算一段区间内的分形维数，使用树状数组作为数据结构，利用已经计算出来的信息，在O(logN)的时间内得到结果；然后，通过计算云图每个水平线的分形维数，将分形维数超过一定阈值的区域确定为云彩区域；最后，将每条水平线的高维数区间结合在一起得出整个分割结果。实验结果表明，该方法解决了传统的分形维数算法在大量计算维数时算法复杂度高、计算时间长的问题，对于640 pixel×480 pixel的大型图像计算时间<0.1 s；同时该算法能够有效地将云彩和其他人工遮挡物以及背景光线变化和局部噪声区分开，取得满意的处理效果。