近年来，国内气象部门和科研机构都开始利用机载探头和雷达对云微物理结构和云降水过程进行研究。然而，由于不同云微粒子探测设备自身的特点不同，所获取的探测数据有较大的差异，并且探测数据还有各自的缺陷，如CPI探测数据中会存在破碎云微粒子图像，CIP探测数据中会存在像素丢失情况，这些问题都影响着云微粒子分类的准确性以及利用云微粒子分类结果来进行气象研究的可靠性。为了解决现有技术中的不足，本发明涉及一种云微粒子提取及分类方法，主要包括首先对图像数据进行分割处理，然后对图像数据进行类型判定，接着对CIP图像进行图像数据筛选和补全，对CPI图像进行图像数据去标注，之后建立云微粒子图像数据集，并建立基于迁移学习的深度神经网络分类模型，对云微粒子图像进行分类，通过该方法可有效的提高对云微粒子图像的分类准确率和可靠性。