本文的主要工作是通过分析各种图像分割算法的优缺点,提出一种适合于地基云图的分割方法,实现对地基云图的自动分割,具有一定的理论意义和应用价值。在本文的研究中,首先研究和分析了阈值分割算法、边缘检测分割算法和聚类分割算法,重点介绍了小波变换的基本理论以及在图像分割中的应用,接着结合地基云图的特点提出了基于细分小波和Kmeans聚类的分割算法。算法的过程：首先对原始的云图进行一些必要的预处理(比如去噪、增强等),然后通过细分小波对图像进行变换,得到包含图像大部分信息的小图像,接着通过对小图像进行Kmeans聚类分割,这时基本的云图已经分割出来,但仍然存在过分割的现象,采取区域增长法来进行过分割的删除,通过细分小波逆变换将小图像映射到原始图像的坐标中。最后为了能清晰的观察到图像的分割效果,将分割出的图像边界在原始灰度图像中显示。利用MATLAB进行算法的实现,通过实验的结果图显示,相对于传统的图像分割算法,该算法的抗噪声能力强,边缘定位的准确性比较高、边缘的连贯性较好,云图分割比较完整,并且对弱边缘的检测的准确性有所提高,成功的应用于地基云图的分割处理。最后利用分割的结果对云量进行计算。由于本文算法能较为准确的分割出目标云,因此,对云量的计算也非常精确。本文利用MATLAB设计了地基云图分割系统,此系统提供了九种分割方法,并且在分割结果的基础上提供了地基云图云量的识别。