随着遥感相关技术的发展,卫星遥感图像中的信息量越来越丰富、分辨率越来越高、遥感图像质量也越来越好;犹如汽车、建筑物、飞机等目标清晰可见,这将有利于对遥感图像的分析,同时对遥感图像分析提出了更高的技术要求。对卫星遥感图像中飞机目标的分割、检测及识别在军用领域和民用领域都有重要的意义。本文主要围绕卫星遥感图像中飞机目标的分割、合并及识别展开研究,主要的研究工作如下:（1）本文通过实验实现现有算法（最大类间方差分割法、人工阈值分割法和Kmeans分割法）对卫星遥感图像中飞机目标进行分割,并在分析现有算法优缺点后提出了一种自动阈值分割算法,就飞机目标而言,由于其机身材料、涂装、弧度等因素导致机身对光线的反射率较高,整体呈现亮白色,据此,通过统计灰度级从0到255各个灰度级出现的频数,首先找出灰度级频数最大值及其对应的灰度值作为波峰,然后在检测最大波峰之后的第一个波峰,把两峰间的波谷对应的灰度值作为图像分割阈值,得到了较好的分割效果。（2）采用深度优先搜索八连通域标记算法对自动阈值分割后的二值图像进行目标合并,以分割处理后的二值图像的第一个前景像素点为种子点然后不断向种子点周围不断扩散,把满足条件的像素点都找出来,直到没有像素点满足条件且堆栈为空时为止,此时完成了第一个连通域的标记。当搜索到下一个前景像素点时,方法及条件与第一个连通域标记方法一致,以此类推,直到遍历完整幅图像,完成了图像中所有连通域的标记。（3）通过自动阈值分割及连通域标记算法进行目标合并后,采用SIFT算法、傅里叶形状描述子、HU不变矩把合并处理后的目标与目标库中先验目标进行匹配识别,三者都具有识别当物体发生平移、旋转和缩放时的能力,通过实验对比各识别算法的识别率,得出SIFT算法图像匹配能力最强,识别率达到了100%,傅里叶描述子、HU不变矩识别率相当,二者识别率达到93%。