地表太阳辐照度是塔式光热电站稳定运行的关键影响因素。电站镜场云层遮挡会影响地表辐照度数值,带来发电效率与设备安全之间的矛盾问题。目前,国内外对于云层监测已经形成了一套自有的检测方案,但仍存在精确度较低,云层分区处理难等困境。因此本文提出一种基于图像处理技术的研究方法,可提高云层监测的识别精度并预测云层运动走向与速度。本文基于图像处理技术,对青海中控德令哈50MW光热电站镜场上空真实图像进行处理,提出了实时识别与监测镜场上空云层的分析方法,提高了原有方法的准确率,使得方法更具普适性,具体内容如下:（1）首先分析了塔式熔盐电站发电效率的影响因素。根据SAM软件模拟与该电站的真实运行数据,可知云阴影遮挡可导致DNI值波动,是影响吸热器寿命和发电效率的主要原因。分析影响塔式光热电站发电效率与设备安全的主要云层,得出层积云为影响最大云层的结论,为下文的研究奠定基础。（2）设计一套云监测与识别系统,包括全天空成像仪、云分析预测单元、气象监测装置和显示装置四个模块。（3）建立晴空模型,采用维纳滤波来对图像进行预处理,去除原本图像噪声,提高图像的清晰度。结合Otsu、Surf和HOG算法,提出颜色、边缘和纹理组合视觉特征算法,根据真实采集云层图像对比分析了该特征算法与单一算法准确率、不同样本数下的算法准确率、本文算法与之前学者提出算法准确率,着重分析影响最大云层——层积云的影响,可知该特征算法可为塔式太阳能光热电站控制系统提供可靠前馈信息。（4）最后采用真实天空的层积云图像,选择特征匹配法中的ORB算法获取运动矢量,并采用卡尔曼滤波对不同时刻计算得到的云运动矢量进行了滤波,在经过大量数据后,可将精度误差控制在可承受范围之内。使得云运动矢量计算结果更为稳定。根据实验结果可知,本文提出的云层监测与识别系统具有可行性,可在误差允许范围内识别云层状态、预测云层走向和速度,能够完成预期目标,且计算结果较为理想。本文利用图像处理技术结合卡尔曼滤波的思路为塔式太阳能光热电站镜场上空云层的监测提供了解决思想与方法,为现实生活中的工程方案提供了理论参考。