飞机自动识别是目标识别的重要研究内容，无论在军事还是民用方面都有非常迫切的需求。军用飞机的准确快速识别，将有利于分析战争形势，辅助战争决策指挥作战行动，提高作战效率，还广泛应用于警戒系统、防御系统中。民用飞机的自动识别将有利于机场管理、基础地理数据的更新和维护，并对城市规划起指导作用。　　随着遥感影像空间分辨率与光谱分辨率的逐步提高和计算机处理能力的不断增强，基于目标的几何形态特征提取地物目标有了更客观的基础。国内外众多学者引入“面向对象”作为一种新的指导思想，建立了以高空间分辨率和多光谱遥感影像为数据源，“图像边缘检测—目标轮廓提取—特征提取（基于矢量）—飞机目标自动识别”的处理框架。飞机目标具有的骨架特征共性与特殊性则使集中识别飞机目标成为可能。目前，国内外在这一方面的研究处于起步阶段，基于骨架特征的飞机目标集中判别有着比较广阔的研究空间。　　鉴于以上背景，研究将以“图像边缘检测与矢量化—基于约束Delaunay三角网的地物目标骨架提取—基于神经网络的飞机目标自动识别”为研究主线，完成基于骨架特征的高分辨率遥感影像中飞机目标的识别研究。具体的研究内容如下:　　(1)高空间分辨率遥感影像的边缘检测与矢量化。比较分析基于Canny算子、基于Prewitt算子、基于Sobel算子、基于嵌入置信度的遥感影像边缘检测算法的检测结果，选取基于嵌入置信度的边缘检测方法以提取较高精度的地物目标边缘。然后应用边缘矢量化方法进行目标边缘的栅格向矢量转换，经过矢量拓扑检查、破碎图斑自动滤除等后续的矢量边缘处理，获得拟合度较高的高分辨率遥感影像中地物目标的矢量边缘。　　(2)基于约束Delaunay三角网的骨架以及主骨架提取。基于约束Delaunay三角网提取骨架和主骨架是提取目标骨架特征的基础。以上一步骤中提取的目标矢量边缘为数据源，采用基于约束Delaunay三角网的骨架提取算法，对目标逐个提取骨架，并根据骨架特性，运用二叉树结构对骨架进行拓扑重建。在此基础上，以Gestalt原则为基础，建立适应飞机目标骨架特征的骨架分支消减方法，完成目标主骨架的抽取。　　(3)基于BP神经网络的飞机目标自动识别。根据飞机图像及特征参数资料，从骨架特征的描述性能、飞机目标与其它地物的差异性等方面，综合分析飞机目标的骨架特征，提取对飞机目标的形态特征具有唯一性、可分性和鲁棒性的骨架特征。再以骨架特征分析结果为基础，以提取的骨架特征为输入样本，运用基于BP神经网络的自动识别方法，完成飞机目标自动识别。　　研究结果表明，基于上述方法对飞机目标进行集中识别能够取得良好的效果，识别率较高。并且基于骨架特征提取飞机目标具有一定容错能力，当飞机目标边缘矢量化结果基本保持了飞机目标形态，即使局部受到图像阴影或其他地物的影响，也有可能根据目标骨架形态特征提取出飞机目标。但是飞机目标边缘的缺失也有可能导致飞机目标被漏检。　　综上所述，论文以高空间分辨率遥感影像为数据源，以遥感影像的边缘检测技术、基于Delaunay三角网的骨架自动提取技术和基于BP神经网络的目标识别方法为依托，基于骨架特征完成了飞机目标自动提取研究，并通过初步实验验证了其效用。