随着航天技术的发展,外太空正逐步成为新形势下各国资源争夺、军事斗争的又一战场,空间作战成为必然。空间目标监视是国家空间作战系统的重要组成部分,其可以采集空间目标的相关信息,比如位置、轨道、材质等,对可能发生的碰撞、攻击等进行预警,是空间作战的基础。快速准确的从探测数据中获取空间目标特性是空间监视的前提。论文以空间航天器作为研究对象,以地基光电探测系统作为数据获取手段,从图像预处理、部件获取、部件识别三个方面实现航天器的结构分析。论文主要工作和创新点如下:(1)将单帧图像复原算法推广到了多帧图像复原。论文首先针对原始观测图像可能因退化过于严重而影响复原效果的问题,提出基于图像方差变化率的不良帧剔除方法,保证复原输入图像的可靠性。在具体复原实现时,从泊松退化模型出发推导了单帧RL-IBD复原算法,然后将其推广至多帧图像复原,并进行了实验验证,证明了多帧复原的有效性。最后,针对复原图像亮度变暗的问题以及后续处理的数据输入要求,采用分段线性增强方法提高图像亮度并提取目标二值图像,为后续结构分析奠定基础。(2)提出了基于视觉显著性的层次形状分解方法。从认知心理学角度出发,提出了一种基于分割线长度、部件轮廓长度的部件视觉显著性计算模型,并以此计算模型为核心构建了一种层次形状分解方法,分为轮廓与骨架提取、分割点检测、候选分割线生成、分割线优化四个步骤实现了该算法,得到了与人类视觉系统相符的分解结果,获得了较为准确的航天器部件。(3)构建了基于联合特征与支持矢量机的部件识别器,实现了航天器的结构分析。首先,详细讨论了具有良好表征能力的小波矩的构造方法与不变性。其次,针对初始小波矩冗余较多的问题,引入了基于粗糙集理论的约简方法。另外,从部件与目标总体的相对性出发,提出了部件的相对特征,并结合部件小波矩构建了部件的联合特征。然后,详细阐述了基于支持矢量机的部件识别方法。最后,利用LibSVM软件,以部件联合特征作为输入,通过训练得到了基于支持矢量机的识别器,实现了航天器部件的识别,仿真实验中部件正确识别率均在96%以上,之后以识别结果为基础完成了航天器的结构分析。