遥感技术是一门综合性学科,近几十年来,航天遥感技术不断发展,使遥感图像的配准和识别得到了广泛的应用。提高图像配准的速度和精度是保障图像融合、识别质量的重要手段。如何准确识别遥感图像中的建筑物,是目标识别的重要课题。本文研究SAR与全色图像的配准和识别,主要包括以下两项内容：(1)SAR图像携带固有的相干斑噪声,同时由于成像机理的差异,SAR图像与全色图像的像元表现形式差异很大。为提高配准的精度,本文首先提取Ratio梯度特征,引入交叉累积分布剩余熵(CCRE)作为图像匹配测度,有效改善由噪声和计算误差引起的配准精度的损失。使用均方根误差和相关系数作为客观评价指标。实验结果表明,与传统的基于互信息的配准算法相比,本文方法有更高的配准精度。针对SAR和全色图像配准算法中,数据计算量大、配准时间长,在Powell算法的基础上,提出一种并行优化方法,加快配准速度。将串行配准算法中大量的计算部分,分配给多个线程执行,使大块数据的计算处理并行化,从而加快处理速度。实验结果表明,并行处理方法随着线程数的增加配准时间减少明显。(2)为实现高准确率的建筑物目标识别,本文设计面向对象的建筑物目标识别方法。首先根据人们在生活中对建筑物目标轮廓、纹理和空间位置关系的认识,得到建筑物先验知识。根据建筑物先验知识的指导,提取建筑物的直线、形状、纹理等底层特征,综合建筑物的多种特征实现建筑物目标提取。最后对识别的建筑物进行标注。实验结果表明,本文的建筑物识别方法有较高的识别率。