强降水天气给人民群众的人身安全和财产安全构成了巨大威胁,降水云团的跟踪技术研究对于强降水天气的预报和监测具有重要的现实意义。我国在云团自动跟踪方面的工作开展较晚,仍然处于研究阶段。和在雷达回波图像中追踪云团的研究相比,基于卫星云图的降水云团跟踪技术研究不多。而传统的降水云团跟踪技术难以应对静止卫星遥感图像,因此使用计算机相关理论及方法,实现静止卫星云图中降水云团的自动识别和跟踪,对使用静止卫星云图监测和预测降水天气的变化趋势具有重大意义。本文从降水云团的识别和跟踪两个方面展开研究。在降水云团的识别方面,把灰度阈值方法和纹理分析方法应用在降水云团的识别中并分别进行实验,针对实验结果分析得出的灰度阈值法错误识别率高,纹理方法识别速度慢,提出了一种灰度阈值结合纹理方法识别降水云团的算法,更加准确快速的识别出降水云团区域用来跟踪；在降水云团的跟踪方面,针对传统的面积匹配法不能跟踪到实际位移较大的云团,并且考虑到降水云团合并的特点,提出了一种全面的降水云团跟踪算法,该算法将面积重合度和基于矩不变量的模块特征量相结合进行匹配,实验结果表明该算法不仅能够跟踪位移小的降水云团,对于位移较大的降水云团也能够正确跟踪,并且适用于降水云团发生合并和分裂的情形。本文的主要工作如下：1.对云团跟踪技术研究现状进行了探讨,介绍了气象卫星和卫星云图的基础知识,研究了红外卫星云图中灰度值与云顶亮温的关系,,为后续的降水云团的识别和跟踪技术研究提供了理论支持和依据。2.在降水云团识别算法研究方面,研究了图像处理技术中的灰度阈值方法和纹理分析方法中的灰度共生矩阵、灰度梯度共生矩阵,并将这三种方法运用到降水云团识别中进行实验。在实验对比了这三种方法运用在降水云团识别中的优缺点后,并且根据实验选择出的参数,提出了一种灰度阈值结合灰度梯度共生矩阵方法的降水云团识别算法,实现自动准确快速识别降水云团,为跟踪工作打下了坚实的基础。实验结果表明,本文提出的识别算法的降水云团总体识别率达69%,虚假识别率仅为19%,识别时间为45s左右,总体效果优于单独使用灰度阈值识别方法和灰度梯度共生矩阵识别方法。3.在降水云团跟踪算法研究方面,首先研究了一般的运动目标跟踪算法,得出基于特征的匹配方法适用于降水云团的跟踪。针对面积匹配法对于实际位移较大的降水云团不能有效跟踪,引入了图像处理技术中的矩不变量特征量进行降水云团跟踪实验,提出了一种面积与矩不变量的模块特征量匹配方法进行降水云团跟踪,该算法首先依据重合度判断是否为同一个降水云团,如果匹配失败,再进行基于矩不变量的模块特征量的匹配,根据判别因子判断是否能够匹配成功。实验结果表明这种算法对于实际位移较大的降水云团也能自动跟踪,同时这种算法在云团发生分裂与合并时依然适用。4.分析并总结了本文的识别和跟踪算法,用matlab实现了本文提出的降水云团识别和跟踪算法,给出了算法实现的流程和核心代码,并对连续时刻的多幅红外卫星云图进行自动跟踪实验。实验结果表明,本文的降水云团跟踪技术能够实现自动跟踪并且准确率高,速率快。