通过敌我识别系统判断目标属性是避免战场误伤的有效途径。传统协作式敌我识别系统通过询问机和应答机识别目标属性,系统易受干扰、欺骗,无法识别中立方目标。基于多谱段成像技术的非协作式敌我识别系统将被识别目标看作是系统的外部环境,通过分析目标特征识别目标敌我属性,解决了协作式敌我识别系统存在的问题。本文对多谱段敌我识别系统的关键技术进行了深入研究。首先,对多谱段敌我识别系统中的图像融合、全局特征提取和局部特征提取等关键技术进行了理论研究和实验验证。(1)、在分析不同谱段下目标成像特点的基础上,提出一种基于非下采样轮廓波变换的多谱段图像融合方法。对于低频系数,当不同谱段图像低频系数相关性较高时,采用取均值的方法进行融合;相关性较低时,采用加权梯度相位一致性的方法进行融合,以保留图像的结构信息。对于高频系数,采用高斯加权SML进行融合,以保留图像细节。通过可见光图像和红外图像的融合实验,验证了本文算法的有效性。(2)、在目标全局特征提取方面,以正交Charlier多项式构造了Charlier矩并导出了其仿射不变量;提出一种融合多种离散正交矩不变量的特征提取方法,克服了非正交矩不变量存在信息冗余以及连续正交矩存在离散化误差的缺陷。分类实验结果表明,本文方法相对于单一特征具有较高的分类正确率。(3)、在目标局部特征提取方面,提出一种基于背景抑制Gabor能量滤波的方法检测角点;利用目标骨架约束提取最能简洁反映目标本质形状特征的特征角点,去掉了冗余角点;针对多尺度高斯核积分不变量不具有仿射不变性的缺陷,采用图像归一化的方法获得仿射不变性;以形状特征变化率为依据选择形状特征尺度,减小了相邻尺度积分不变量之间的信息冗余。基于Bag-of-Words模型构建局部特征向量用于目标分类。实验结果表明,本文提出的特征角点描述子和多尺度高斯核积分不变量相对于其他角点和轮廓描述子具有更好的分类性能。其次,分析了图像融合、特征提取等关键算法的计算复杂度,提出一种目标最小外接矩形的方法提取目标区域,降低了算法处理的数据量;对于图像融合和特征提取中所涉及的卷积运算,利用分块方法计算卷积,降低了计算时间,提高了在线识别的效率。最后,根据多谱段敌我识别系统的技术指标要求,设计了一种基于多处理器并行处理架构的硬件平台,对整个系统进行了半实物调试。通过对实际目标的可见光和红外图像进行融合、特征检测和描述,验证了硬件平台的实时性;通过对目标属性的识别验证了算法的有效性。