“十三五”以来,我国南方高山风电资源快速开发。与北方地区相比,这些地区冬季空气潮湿,风电场覆冰问题突出,严重影响风电机组安全稳定运行。目前,关于风力发电机叶片覆冰监测问题,国内外研究大多以模型计算和传感器监测为主,存在着精度有限,成本昂贵,难以对已经投产的风力发电机进行监测等问题。从图像处理和试验相结合角度开展风力发电机叶片覆冰监测的研究,具有重要的理论意义和工程价值。论文的具体工作与成果如下:（1）根据风力发电机叶片覆冰的特点以及试验结果,选择并改进图像降噪与增强方法,主要有去雾处理、灰度变换、直方图修正、高斯滤波、拉普拉斯边缘增强五个方面,有效恢复了图像信息,提高图像质量。（2）选用多尺度小波边缘检测算法对叶片覆冰图像进行边缘检测,取得了精准定位边缘与降噪之间的平衡。对小波变换与Sobel等五种传统边缘监测的效果进行评价。结果表明,多尺度小波边缘检测不论是整体视觉感受,还是信噪比、正检率、品质因数均明显更佳。（3）提出了提取图像局部二值模式特征向量,应用支持向量机进行分类的覆冰类型识别方法,并多次开展自然覆冰图像的识别试验。结果表明,当训练样本足够大时,识别结果与环境参数预测的覆冰类型相吻合,雨凇、软雾凇、硬雾凇三种覆冰类型的识别正确率达到了100%。（4）提出了基于预先标定和真实长度/像素坐标差的叶片覆冰厚度计算方法,并在自然覆冰环境下进行多次试验。近距离（1m）/远距离（20m）的平均测量误差值为0.30mm/7.4mm,平均测量误差率为2.56%/4.58%。（5）提出了覆冰的三维复原方法,基于复原的三维模型,测量覆冰体积并计算覆冰重量。在自然覆冰环境下进行多次测量试验,轻微/中度/重度覆冰时测量误差率为4.23%/4.75%/7.57%。