目标自动识别技术涉及到计算机数字图像处理、模式识别等诸多领域，广泛应用于军事、工业、生活等各个方面。基于对不同形状的目标，如舰船、飞机等识别算法研究，作者从实际应用角度出发，分析复杂光照、简单背景图像所具有的特点，设计并实现了多目标物的自动识别与标注功能模块。　　 本文作者的研究内容主要体现在以下几个方面：感兴趣区域的提取，特征提取和目标判定。　　 1)针对简单背景这个应用条件，作者创新地设计了一种基于线条聚类的感兴趣区域（Region of Interest简称ROI）提取算法，并获得了较好的实验效果。首先，对图像进行边缘锐化、提取线条；然后，利用线条的位置信息进行聚类，聚为一类的线条属于同一个目标物；最后利用分类后的线条位置信息得到目标所在的区域范围。　　 2)针对复杂光照条件，作者提出了基于反射率图像的最优小波矩特征提取方法，并获得了较为理想的实验效果。首先原图经过Retinex算法处理得到反射率图，然后提取反射率图归一化后的小波矩。考虑到Retinex小波矩阵数量庞大，本文用KNN算法对其进行了最佳子集筛选，得到了最优Retinex小波矩阵集合。　　 3)目标识别及标注。本文采用BP神经网络进行目标物的判别，在输入经2得到的最优小波矩阵特征集合后，实现对目标物的识别及标注。　　 4)功能模块的实现与优化。（原型系统设计和性能优化）　　 文章针对上述环节，给出了算法描述、实验设计、数据结果与分析，以及模块代码及测试报告。最后，作者分析了该模块在应用中可能存在的问题，并给出了相应的解决方案。