提高空间天气的预测能力和进行太阳物理的深入研究,都需要对太阳活动的精细结构进行更高分辨力的观测,更详尽和客观的特征提取。想要获得太阳活动精细结构准确而统一的特征提取结果,就要对天基和地基太阳望远镜得到的海量观测数据进行自动识别。另一方面,由于太阳自适应光学系统并不能完全消除大气湍流的影响,地基观测数据的图像质量参差不齐。从连续采集的多帧图像中筛选出质量较好的图像,有利于提高图像重建的效果,也给后续的图像识别和特征提取带来了便利。本文主要对太阳黑子和耀斑精细结构的自动识别方法,以及太阳自适应光学图像的质量评价方法进行研究。论文的主要内容和创新点包括:首先,本文提出了一种基于水平集方法、形态学操作和灰度阈值法的太阳黑子精细结构自动分割算法。在回顾了太阳黑子的自动识别方法之后,发现前人的方法主要是应用于全日面图像,只能识别出本影和半影,并不能识别出气泡、亮桥等精细结构。分析了太阳黑子图像的特征,发现尽管黑子的灰度特征比较明显,但为了获得准确的分割结果,还需要克服不同数据来源的差异,以及各个精细结构内部的灰度不均匀性。而水平集方法可以获得闭合的分割结果并具有良好的鲁棒性。水平集方法的分割结果通常只能将图像分成两类,即太阳黑子和太阳米粒组织。之后,再利用灰度阈值法和形态学操作,区分出了太阳黑子更精细的结构。为了验证方法的有效性,将该方法应用在局部高分辨和全日面太阳光球层图像,并取得了良好的分割结果。其次,本文提出了一种自动识别耀斑区域的方法,它可以适用于全日面和局部高分辨Hα(波长656.3nm)图像。以往的耀斑自动识别方法都是针对全日面图像的,而应用于局部高分辨图像的方法可以提高耀斑识别的精度。本文的方法主要利用灰度阈值和面积阈值相结合的方法提取耀斑区域,并对耀斑进行特征提取,包括耀斑的起止时间、重要性等级和亮度等级。最后,在全日面图像和局部高分辨Hα图像中验证了方法的有效性。再次,本文提出了一种自动识别太阳耀斑后环的方法,可以在Hα红翼图像中识别出各条耀斑后环。该方法结合了直线检测和曲线生长,并利用了Hα线心图像中识别出的耀斑信息。具体来说,先在Hα红翼图像中进行直线识别,进而利用识别出直线的倾角,以及和耀斑的相对位置,确定曲线生长的偏转方向,进行曲线生长。之后还通过交叉点数量、偏转方向、灰度变化范围等信息排除了错误曲线,从而增加了方法的可靠性。并且该方法的有效性在局部高分辨Hα红翼图像中得到了验证。最后,本文提出了一种基于图像功率谱和人眼视觉特性的图像质量评价方法。传统的对比度方法只能评价太阳米粒组织或者太阳黑子图像,而本文的方法还可以应用于大视场图像。经过实验验证,该方法筛选出的质量最好的图像的主观质量均优于传统的对比度方法和测试的其他方法。并且该方法还对图像缩放以及图像中的模糊和噪声具有良好的鲁棒性。本文在太阳精细结构自动识别方法所取得的研究成果,对于进行更精确和客观的太阳活动特征提取,分析太阳活动精细结构的演化规律,从而更好地进行空间天气预测和发现太阳活动的动力学起源具有重要的应用价值。本文在图像质量评价算法所取得的研究成果有助于获取更清晰的太阳大视场重建图像,从而为太阳活动精细结构的自动识别提供了便利。本研究工作还对太阳活动中更精细的结构的自动识别方法研究具有重要的参考意义。