遥感图像用于军事侦察不仅可以对作战指挥起辅助决策作用，还可以直接引导武器系统实施精确打击。目前我军对军事目标判读和情报整编工作处于由目视、定性、经验判读向人机交互和自动判读的转变阶段，对复杂背景下大幅面高分辨率遥感图像中目标的特性还缺乏系统研究，很大程度上影响了目标的发现、识别和确认，导致了遥感图像数据利用率和时效性降低，难以满足我军对侦察情报的实际需求。本文在对现有自动识别技术进行分析的基础上，深入研究了大幅面可见光遥感图像中几类典型目标的特性，研制基于知识的识别系统，实现典型目标的快速筛选与识别。　　针对遥感图像中大型目标的直线特征提取问题，设计了一种基于类直线提取的改进Hough变换算法，并将其应用于机场目标识别中。类直线的提取是Hough变换的预处理，在保持边缘特性的同时，也检测到了Hough变换所使用的特征点。在图像空间中对每条初步提取的类直线分别进行Hough变换，改进投票过程的映射方式，从类直线中寻找最多特征点对应的那条直线，减少虚假峰值的影响。机场目标的识别通过检测符合机场跑道特征的平行直线完成。　　针对水上桥梁目标，提出一种基于水域分割的快速识别算法。首先采用基于广义局部傅立叶变换(general local Fourier transform, GLFT)的纹理统计特征分块提取水域，GLFT纹理特征具有计算量小、纹理鉴别性能和纹理分割效果好的优点，分块计算使水域轮廓变得规则，提高了整个算法的效率。然后通过轮廓链码对水域形状进行判断，剔除虚假水域，根据梯度信息提取疑似桥梁区域。为了提高正确识别率，最后使用三个比较稳定的知识参数验证桥梁。　　在深入分析结构特征的基础上，提出一种基于内港区域的港口目标的快速识别算法。采用基于梯度分割的方法结合灰度相似性聚类初步提取海域，通过分析图像中是否存在海域来判断港口存在的可能性；如果存在海域，提取海洋和陆地区域并得到粗略的海岸线，对海域分别沿8个方向寻找陆地，根据封闭程度确定疑似内港区域；引入U形结构元的概念，对疑似内港区域进行结构特征判断，确定真实港口区域。　　将人类视觉选择性注意机制在目标感知方面所表现出来的优点应用到遥感图像目标识别领域，提出一种基于视觉注意模型的小型战术目标检测方法。结合对前人视觉注意模型的讨论，依据特征整合理论，提出新的选择性注意模型。该方法在视觉注意阶段采用基于数据驱动的策略，寻找背景图像中特征差异最大的地方作为注意焦点，而在感兴趣区域分析阶段根据油库、飞机和爱国者导弹阵地等目标的先验知识引导识别。本文认为显著图融合模块接受来自返回抑制和位置增强的反馈，使目标检测过程循环进行，这样更符合人类视觉的注意过程。　　根据实际应用需求，研制典型目标快速识别系统，功能在于对可见光遥感图像进行高效管理，分析并提取目标的特征以实现基于知识的自动识别与定位，形成规范的目标特征模型及其目标数据库。设计软件及硬件总体框架，系统提供快捷方便的人机交互方式，辅助判读人员完成判读工作。实验结果表明，本文提出的目标识别方法，能够在复杂背景中，快速而有效地识别机场、桥梁、港口等大型战略目标和油库、飞机、导弹阵地等部分战术目标。