红外对地目标探测系统多工作于大气吸收谱段,对其而言云和大气为主要探测背景。在对红外探测系统进行仿真的工作中,需要大量的仿真图像对仿真系统性能进行评估。因此云背景仿真的有效性对于红外目标探测仿真系统性能的评估具有重要意义。本文利用某卫星的实测数据,以构建云仿真数据库为目的,对实测数据进行了处理和分类工作,并结合构建的知识库进行了仿真应用。主要研究内容包括以下四个方面:在遥感图像表达方面,以云图像分类为目的,研究了遥感图像的表达方法。从卫星云图像分类的判据出发,分析不同种类云的成像特征,选取能量、分形、小波三个方面对红外云图像进行特征描述,并研究了特征在分类工作的有效性。在遥感数据分析预处理方面,针对天基实测数据进行数据的有效性筛选。从测量相机的工作原理出发,分析了实测数据中的无效数据产生的原因。从大量无效数据中总结出几种典型的无效数据,分析提取其异于正常测量数据的特征。在特征分析的基础上提出一种无效数据剔除办法,并针对具体的测量任务进行了数据筛选工作。在红外云背景图像分类方面,建立了以风云卫星云分类产品为基础的初步分类数据库,并完成了实测数据与风云云分类结果的匹配工作,作为分类器训练样本选取的参考。利用基于投票决策模型的支持向量机方法、BP神经网络和基于聚类和SVM的主动学习方法对实测数据进行分类试验,基本实现了分类功能。对比了三者的分类效果,主动学习方法无论是整体上还是各个类别上分类效果都是最好。部分类别分类效果较差,分析造成的此结果的两点原因:实测数据质量差和样本本身特征多样化导致样本筛选困难。根据分类结果构建了基于实测数据云图像仿真知识库。在云背景图像仿真方面,利用重投影模型,基于有理函数模型的空间变换技术以及图像重采样技术,从已搭建的知识库选取合适的实测数据进行背景图像拼接,实现基于实测数据的云图像的仿真。