云作为影响太阳辐照度短期波动的关键气象要素，其精准监测与轨迹追踪对光伏功率预测及电网稳定运行至关重要。传统卫星遥感受时空分辨率限制，难以满足发电场站级的精细化需求。地基全天空成像仪因其高时空分辨率优势，为局地云层动态观测提供了有效手段。然而，现有方法在处理复杂光照变化、云层非刚性运动及边缘精细分割等方面仍面临挑战。为此，本文围绕云量高精度计算与云运动鲁棒追踪两项核心任务开展研究。针对全天空成像仪在高原复杂环境下图像质量退化的问题，构建了一套完整的预处理与质量控制流程。提出基于LAB色彩空间的限制对比度自适应直方图均衡化与中值滤波相结合的预处理方法，有效增强云空对比度并抑制噪声，建立了高质量标准化云图数据集。在此基础上，提出一种融合多特征分析与优化分割的云量计算算法。该算法结合红蓝比光谱特征与灰度共生矩阵纹理特征，通过改进的Mini-Batch K-means聚类实现天空区域初始分割，并引入GrabCut算法精细化云层边界，结合双阈值与统计特征辅助判定策略，实现了不同云层的准确识别与云量统计。针对云层非刚性运动与长期依赖建模难题，设计了一种基于时空注意力机制的云运动轨迹追踪模型。该模型以Transformer为基础架构，通过特征提取网络与时空注意力模块捕获云团运动的时空特征与长期依赖关系，结合多维质量控制流程与基于几何曲率的自适应速度解算算法，实现了运动轨迹的精确追踪与运动参数反演。本研究构建的技术体系为光伏超短期功率预测提供了高精度、物理可解释的云动态信息支撑，具有重要的理论价值与应用前景。
 

全天空成像仪；云量识别；云运动轨迹预测；深度学习；图像处理