国家“十三五”时期优先布局的10个重大科技项目之一是建设光学红外望远镜（LOT）。目前,LOT选址问题主要依据对候选处的全天相机云图的分析。但云图中的噪声会影响分析的结果。而现有研究主要是去除云图“引入噪声”和太阳、月亮这两类固有噪声,且需要结合辐照度、温度等信息,十分复杂,没能除去云图全部固有噪声,除去成本较高。因此,本课题研究目标是利用图像处理技术,简便、完整地除去云图中含有的多种固有噪声,以便获取完整的天空、云层信息,为进一步的云检测工作打下良好的基础。本文的主要成果如下:（1）对兴隆观测站云图数据库中的8367张云图进行人工读图,将噪声分为星光、月光、日光、雷电、反光这5种常见噪声和积雪、白光、雨水、冰晶4种特殊噪声,并对每类噪声进行分析,总结其特点。考虑到特殊噪声往往会覆盖整个镜头,破坏云图有用的云层信息,故本文的研究重点为常见噪声。（2）根据噪声特点,利用图像处理技术,提出8种单一噪声去噪算法,包括中值滤波法、时间轴法、差分法、边界阈值法、反比例线性变换法、密集时间轴法、形态学开运算法、RGB通道法。（3）根据噪声特点,利用机器学习、计算机视觉算法,提出4种新的噪声识别算法,包括利用对传统CNN改进的STCNN算法识别云图是否含有星光噪声;利用对LIP模型改进的LBAD识别云图是否含有日光、月光噪声;利用SJSWC算法识别云图是否含有反光噪声;利用GAN-SIFT算法识别云图是否含有雷电噪声。与其他噪声识别算法进行对比实验,证明本文4种算法的优越性。同时为解决数据不平衡问题,利用GAN对数量较少的雷电噪声进行数据扩充。（4）将不同噪声的去噪算法进行整合,并结合噪声识别算法,设计开发了一套自动化多类型云图噪声去除系统,可以实现大量云图的自动去噪工作。除去少量过度曝光的无效云图后,利用余下8350张云图进行实验,通过对结果的分析,发现92.66%的云图能基本去除噪声,85.21%的云图能保证云层、天空信息不被破坏。与传统人工判别和去除噪声相比,该系统效率高,成本低,可用于海量数据处理,具备较强的优越性。