近地层凝结现象包括结露和结霜现象,其对近地层大气系统的热交换平衡、生态系统的水分平衡、能量平衡以及作物的养分循环等影响重大。地面气象观测台站中对结露和结霜现象的日常观测是记录这两类现象的重要手段,获取的观测数据则为气象研究与气象预报服务提供了支撑数据。然而,我国目前结露与结霜现象仍处于以人工观测为主的阶段,随着气象事业的发展,人工观测已不能很好地满足观测业务的需要。在对结露和结霜现象的人工观测中,常用的手段是依据现象表征的典型视觉特征来做判断。从计算机视觉的角度来说,这些视觉特征即为图像特征,也能够被自动地识别。针对目前结露和结霜现象在国际上尚无标准的自动化观测方法这一问题,本文探讨及开展了以计算机视觉技术和机器学习理论解决这两类现象自动化观测问题的研究工作。首先,本文设计了一种适用于图像观测的结露和结霜现象载体,并从理论和实验两个方面对该现象载体与自然植被的一致性问题进行了讨论。针对现象载体在图像中的自动定位问题,本文提出了一种基于视觉显著性检测的现象载体提取算法。同时,本文在常用的公用数据库上对提出的显著性区域检测算法进行了测试,证明了该方法在解决一般自然图像的显著性区域提取问题中的有效性和鲁棒性。针对结露现象的自动化观测问题,本文提出了一种基于图像的结露现象检测算法。基于现象载体表面物理特性的分析,本文探讨了当结露现象发生时所导致的凝结接触面表面光学特征变化的机理。进一步地,在若干低层次视觉特征的层面上研究了这种光学特征所对应的图像特征的提取技术。最后,通过对这些图像特征变化规律的分析来反演结露现象的发生过程。针对结霜现象的自动化观测问题,本文从单帧凝结接触面结霜图像的结构信息、颜色信息以及在结霜过程中多帧图像序列的变化趋势等若干角度出发开展了研究。首先,提出了一种基于凝结接触面图像变化建模的结霜现象检测算法。该算法以互相关技术计算帧间的相似度,并以此来定量地描述在结霜过程中接触面光学特征的变化程度,然后通过提出的数值模型对相似度进行拟合来判断潜在的结霜现象。进一步地,本文利用结构特征对潜在的结霜图像进行识别并最终对结霜现象进行决策。考虑到自然植被结构的多样性,上述算法中以离线学习的方式所获得的结霜识别分类器可能无法适应新的地表环境。因此,本文提出了一种基于图像显著性区域检测及在线学习的结霜现象检测算法。该算法中提出了一种基于任务驱动的显著性检测模型,该模型以结霜图像的颜色特征为先验知识,并采用一种流形学习的理论计算待检测图像中超像素区域的显著程度,即该超像素为结霜区域的概率。进而通过一个自适应一维阈值分割来获取图像中潜在的结霜区域和较为置信的背景区域。这样做的目的有两个：在分类器更新阶段,利用显著性区域检测算法所标记的未结霜区域样本联合离线获取的结霜区域样本一起来对分类模型进行更新；在结霜观测阶段,可以仅对显著性区域检测算法所标记的结霜区域进行分类识别。最后,本文将研究的算法应用到结露和结霜现象的实际观测中,并设计了一体化天气现象自动化观测系统供地面气象观测台站使用。在观测系统中,本文还研究了利用图像处理技术对其他的一些天气现象,如降水天气现象,电线积冰现象、结冰现象以及积雪深度等进行自动化观测,并从现象载体设计和图像检测算法原理两个方面对观测方法进行了简要介绍。在国内若干地面气象观测台站的实地测试结果显示,该系统能够有效地对相关现象实施自动观测。因此,证明了本文所做的研究工作具有实际的应用价值。