降雨是局地规律非常显著的一种自然现象,是天气预报中重要要素,气象局对于降雨的观测主要来自气象观测站点的数据,气象观测站的分布密度对于精确检测降雨信息是不够的。暴雨是由于持续强降雨所导致的一种气象灾害,除了它本身会导致人民生命安全和国家基础建设受到威胁外,还会导致严重的地质灾害,比如泥石流等,所以对于降雨的识别和雨量的研究是当今气象部门主要的研究方向,也是很多高校研究院的热门课题。由于受到雨量观测站点的限制,基于视频图像识别降雨的方式越来越受到重视。视频监控的快速发展和广泛应用,使得降雨识别密度不够,局域性不强的弊端得到弥补。现今将视频监控应用于高空间分布的气象要素的识别是气象局一个非常重要的研究项目,也是未来地学、气象发展的热门。本文通过对于课题的把握提出了基于视频图像的降雨识别方法研究,即通过对于图像处理方法的理解,将用于视频图像识别信息的方法在降雨视频中进行实验,首先对基于运动目标检测的降雨视频图像识别的基础概念理论和图像预处理算法进行论述;在对图像预处理之后是对于降雨图像的增强实现,首先是直方图修正,通过对比一般的灰度直方图以及均衡化直方图和自适应均衡化方法对于降雨图像的加强,可以得出自适应的均衡化方法对于降雨图像中雨的增强效果最好,再对图像进行锐化处理,主要是拉普拉斯锐化处理和梯度锐化处理,以及提出了雨滴的灰度变换,通过建立三种灰度变化,将降雨视频中雨滴识别的比较清楚;在对于降雨的雨滴识别后,建立雨滴图像,对降雨强度的测量进行初步尝试,对分水岭算法进行了研究,基于此算法,对于同一视频中的雨滴进行清楚地分离,从而在一个雨滴图像中,清楚地计算雨滴数量,估算雨滴的体积,这是雨强测量的基础;最后通过系统的整体设计,将这些工作进行整合,使其模块化。本文提出了视频降雨识别的分析技术以及算法,构建了一个有参考依据的框架,深入研究了降雨图像的加强技术和基于分水岭算法对于雨滴地分离,展现了在相对复杂的降雨图像中对于雨滴地提取和分离,有效的解决了视频降雨雨滴分析面临的细微算法难题。本文的研究成果不仅为视频降雨识别提供理论和实践基础,并且在判定当前降雨等级方面提供了很好的参考,在一定程度上提高了降雨预测能力。