目标的自动识别是计算机视觉的一个基本问题，对一些重要的地面目标的自动识别在民用及国防中都有着重要的意义。而图像分割技术历来都是自动目标识别(ATR)乃至整个图像处理领域的瓶颈技术之一，是目标识别及跟踪的基础。本论文主要致力于这两项内容的研究。　　在典型地面目标检测、识别方面，主要针对三类典型目标;建筑物、桥梁和机场目标开展了相应的研究工作，获得了如下的研究成果。　　1、将层次化结构元分析的思想用于矩形建筑物的提取，提出了一种新的矩形建筑物提取方法。基于从航空城区图像中提取的边缘，通过轮廓跟踪、直线提取得出其相应的直线几何图形。由于航空图像的复杂及现有边缘检测算法的不足，希望利用边缘检测能可靠的提取出完整的矩形房屋边界是不切实际的，因而不可避免的会存在很多房屋边界误检和漏检的情况，文中提出了一系列直线处理的方法（如直线的分类、排序、合并、调整等）有效的弥补了前述处理的不足。论文引入知识定义了几种构成矩形的三种基本矩形结构元:A类矩形结构元、B类矩形结构元及C类矩形结构元。先提取直线图形中所有B类矩形结构元及C类矩形结构元，进而采用几何结构元分析的方法，根据结构元合并的准则，将各种基本结构元通过一定的合并算法合并成A类矩形结构元，最后根据A类矩形结构元重建完整的矩形。采用合成图像及真实图像进行的实验均证明了提出的方法的准确性和鲁棒性。　　2、对低对比度前下视桥梁目标识别方法进行了研究，根据成像中桥梁、水域和陆域这三者的拓扑结构关系，提出了一种基于知识的启发式桥梁目标自动识别方法。针对复杂背景下低对比度、低信噪比的前下视桥梁目标图像的特点，对分割后的桥梁目标图像进行规则化处理，并去掉各种噪声干扰，消除大面积的水域和陆域内部的空洞，从而有效地获取桥梁目标图像地拓扑结构。据此拓扑结构，提出基团分析的概念，将处理后得到的水域看作一个个的基团，并提取其相应的特征。根据各个基团的特点及其相互之间的关系，提出桥梁目标置信概率分析的数学模型，然后根据模型计算所有可疑桥梁目标的置信概率值，置信概率最大的可疑桥梁目标即为最终的识别结果。大量试验结果表明，本文提出的基于知识的启发式桥梁目标识别方法能够较好地完成低对比度前下视桥梁目标的自动识别。　　3、对复杂背景下航空图像机场跑道的自动识别标记方法进行了研究，提出了一种系统化的机场跑道自动识别标记方法。根据航空图像机场目标成像的特点，采用基于递归门限分析的方法分割机场目标。针对分割处理后团块噪声的干扰情况，提出了一种基于可变模板的循环去噪方法，有效地去除团块噪声的干扰。然后采用细化处理与Hough变换提取出图像中的长直线，最后进行直线跟踪及判别识别标记机场的主副跑道。试验结果表明提出的识别方法能够较好地完成机场主副跑道的识别标记。　　在图像分割方法研究方面，提出了两种新的图像分割方法，并给出了实现算法。　　1、将概率划分、模糊划分及模糊熵准则三者结合起来，提出了一种基于概率划分的最大模糊熵准则。将图像分为暗、灰和亮三个部分，并分别采用S函数、Ⅱ函数和Z函数来描述其模糊特性。利用最大模糊熵准则确定图像的两个模糊区域带宽及其属性，进而确定图像的两个最佳分割门限。从而将图像分割问题转化为对模糊熵模型的组合优化问题。分析比较了提出的模糊熵准则与以往模糊熵准则的不同之处，指出该模糊熵准则事实上为一维熵准则在模糊域里的推广。同时，该模糊熵准则可方便的应用于单阈值分割及扩展到多阈值分割。由于分割问题转化为了一个带约束的多参数组合优化问题，因而需采用快速的优化算法进行求解。论文研究了遗传算法、模拟退火、爬山法及随机搜索算法对模型的优化效果，并对各种算法的优化性能进行了比较分析。实验结果表明，单一算法以采用顺序扰动策略的模拟退火算法效果最好，爬山法具有良好的局部搜索性能，但较容易陷入局部最优解，而遗传算法由于参数的约束问题导致其积木特性被破坏，算法的性能急剧下降。将爬山法良好的局部搜索性能引入退火算法中，论文提出了基于可变扰动的分段模拟退火算法（SA-HC混合算法），实验结果表明，该算法具有比单纯的模拟退火算法更好的优化性能。而进一步引入遗传搜索机制得到的GA-SA-HC混合算法具有更好的全局搜索能力，实验结果表明其性能更为优越，对于大空间的优化问题效果更为明显。　　2、提出一种基于图划分的实时红外目标分割方法。选用规格化划分值作为区分目标和背景的最佳阈值选取的准则。与以往的阈值分割准则不同，该准则联合考虑了象素的灰度信息及其空间位置信息。由于目标和背景除了存在灰度级上连续性以外，还存在空间位置的连续性，因而采用该准则分割红外目标更为有效。对该算法的三种实现方案的时间复杂性及空间复杂性进行了分析，提出了基于领域权值矩阵的快速实现算法。论文进一步提出了基于灰度级划分的权值矩阵表示形式，大大缩小了算法所需的存储空间，使其与图像大小无关。对比实验结果表明，基于规格化划分的阈值分割方法具有比传统的阈值分割方法更好的效果，同时提出的基于灰度级划分的权值矩阵表示方法也大大地减小了算法的运行时间及存储空间，从而使该算法在实际中能够得到有效地应用。