冰雹灾害每年都会给人民以及国家带来巨大的经济损失,所以准确的识别冰雹灾害对人民财产以及国家设施的保护起着重要的作用。目前,研究学者大多通过对冰雹云的多普勒雷达回波进行分析,从而实现冰雹灾害的预警与识别,但是识别结果还会存在一定的误差。本文提出从图像的角度出发,对降落的冰雹进行检测,将图像处理技术作为雷达检测的后验方法,进一步提高雷达预测识别的精准性。本文对图像检测算法中存在的热点、难点进行了重点的研究,具体的内容如下:首先,介绍了冰雹图片的采集设备、采集方法和采集的环境。然后对采集的冰雹图片进行预处理,来消除可能存在的噪声、光照等因素,在比较了三种彩色图片滤波方法,选择效果最好的距离方向滤波器实现图像的滤波;当光照等因素导致图像效果不佳时,本文选择MSRCR算法来增强图像质量。图像的预处理能够较好增加图像的细节信息,为之后的特征提取做好准备。其次,设计并实现了在D-S理论框架下融合多个特征的冰雹识别方法。对预处理后的图片进行颜色特征和纹理特征的提取,建立支持向量数据描述的分类模型进行识别,实验结果表明,基于单一特征的冰雹识别效果欠佳。利用D-S证据理论将颜色特征与纹理特征进行融合,对冰雹进行识别,对比实验结果表明,基于D-S证据理论的多特征融合方法能有效的提高冰雹的识别率,降低其误识率和拒识率。最后,对图像中的冰雹进行特征参数的测量。本文提出了一种基于HSI色彩空间和分水岭算法的测量方法。该方法对传统的分水岭算法进行改进,改进的分水岭算法首先进行HSI颜色模型的分割,之后利用距离变换和极小值变换消除多余的局部极小值。针对分离后的冰雹颗粒,分别采用统计像素法、Freeman链码和改进的最小外接矩形法来测量冰雹颗粒的面积、周长和直径。实验结果表明,所采用的方法精准度高、相关性较好。