脉冲耦合神经网络(Pulse Coupled Neural Network,简称PCNN)作为第三代人工神经网络,比传统人工神经网络更好地模仿了生物神经网络,尤其适合图像处理,是目前的研究热点和重点。但在应用时仍有一些难题未解决,需解决这些难题,而且有必要进一步拓宽PCNN的应用范围。另一方面,在高科技军事对抗中,遥感图像战略目标自动识别技术有着重要的应用前景,同时也是因成像质量和目标特征的复杂性,使其成为研究的难点。本文的工作主要是对PCNN理论及其在图像处理中的应用做了深入的研究,提出双级并行点火脉冲耦合神经网络模型(Double-level Parallelized FiringPulse Coupled Neural Network,简称DLPFPCNN),详细阐述其运行行为和工作原理,指出其适用范围。新模型针对低对比度、低信噪比、背景灰度呈均匀缓慢变化的图像在分割上的难题而设计,将DLPFPCNN新模型应用于不同领域中的图像分割,获得了较常规方法和常用改进方法更好的效果,证明了DLPFPCNN新模型的有效性。然后将DLPFPCNN新模型应用于遥感图像水上桥梁目标和港口目标识别的水域分割阶段,分割出完整的水域,以便于后续的识别,取得了令人满意的效果,证明DLPFPCNN新模型适合于遥感图像处理。并结合水上桥梁和港口目标具有的直线性特征和先验知识进行识别,最终达到目标自动识别的目的。另外,针对遥感图像中水域的特征,提出最佳分割结果自动判定方法——最小类内方差法,得到满意的效果。