随着数字图像处理技术的发展，使多角度、深层次挖掘卫星云图及水汽图数据信息已成为一种必然发展趋势，给气象卫星数据在气象常规业务中的应用带来了一场深刻的变革，过去那种定性分析的状况将得到彻底改变。作者通过对数字图像处理、数据融合、模式识别、卫星气象学等跨学科的交叉研究，提出了新的研究思路。本文的主要研究工作有如下几个方面：通过红外云图与水汽图的数据融合，提出了解决水汽图长期应用不充分的方案，并提出了非均匀融合方案，即依据原始图像的重要性，对分解近似图像和细节图像采用不一致的融合权重比例，突出了重要特征。应用检测算子和基于小波包分解的方法进行融合云图的边缘检测，研究并分析了卫星融合云图的边缘特征。试验结果表明，小波包分解后的水平细节和垂直细节图像的合成图像的边缘检测效果明显优于其它图像的检测效果。分别应用基于邻域灰度统计法、基于邻域直方图统计法和基于邻域自相关函数法等三种方法对融合云图的纹理特征进行了检测和分析。首次探讨了以各阶信息熵的概念表达云图分析中的重要特征—稠密度的可能性，突破了长期定性分析的状况。提出了反向相关概念，更充分地利用了云图信息。试验结果表明，信息熵和自相关函数，对云团内部的纹理特征有极佳的检测效果。从全新的角度，探讨和分析了融合云图及其边缘检测、纹理检测图像在日常气象业务中应用的可能性，开启了气象卫星数据应用的新局面。采用一阶、二阶软间隔构造的支持向量机，对不同的参数C、迭代停止条件以及是否在迭代过程引入线性约束条件，共设计了24种试验方案，对热对流云团类、系统性对流云团类以及它们的混合类等3类样本集进行了识别试验。试验结果与卫星云图上云性质识别的难易情况比较相符，且有20种方案收敛。本文对迭代算法进行了改进，即在迭代过程中定周期引入线性约束条件，使迭代周期数比不引入该条件减少了11％以上，最大减少可达35％。本文的研究工作有望把气象卫星数据的自动化应用推向一个新的水平。