随着人类航天活动日益增多,在轨工作航天器的数量显著增加,这不可避免地产生数以亿计的空间碎片,给卫星和航天器带来严重威胁。对地球轨道上空间目标进行精准识别、定位与跟踪,预测可能发生的碰撞,进而能够操控卫星躲避潜在的威胁。同时,对空间目标进行监视也是国家安全的重要保障。因此,对空间目标探测技术进行研究具有重要意义和价值。高轨道空间目标距离地面远,具有尺寸小、亮度暗等特点,在大量的恒星掩盖下,实现对小尺寸高轨目标的自动搜索与识别存在很多技术难点。首先,复杂背景下的星图处理与目标识别仍有较大的局限性,尤其是受到亮目标、云层、光学渐晕、探测器均匀性等因素影响时,识别与跟踪能力大大减弱;同时,空间目标的先识别后跟踪模式,容易受到虚假目标与恒星的干扰,使得目标定位精度低,目标轨迹预测误差大等;而且,当前观测设备以及处理技术往往是非智能化的,不能根据图像数据对望远镜进行实时反馈,这使得拍摄与跟踪效果不是最优化,这给后端的处理工作带来很大的挑战。本论文利用地基大口径大视场望远镜为观测条件,通过研究目标特性、设计图像处理算法以及制定针对性观测方式等内容,对大视场图像中空间小尺度多目标自动搜索、发现和测量,实现基于图像反馈自动调整望远镜跟踪模式的智能决策系统,为空间目标预警、编目定轨提供更精确的数据。论文具体的工作如下:1.月光、云层以及系统光学渐晕等因素影响下,单纯依赖灰度阈值方法很难对复杂背景下的星图进行有效识别与分割。针对此问题,研究了星图背景建模与灰度阈值分割方法,分析了复杂背景图像的灰度特征,并从光学系统的成像特性角度出发,提出了基于空间目标与一维高斯形态相关性的星图分割方法,将处理核心从传统的灰度阈值转移到相关系数阈值,同时用图像局部数据的标准差和目标与模型间的均方误差与局部数据的方差之比来去除虚警,并与不同灰度阈值分割方法对比分析,验证该方法的有效性。结果表明,对于复杂场景下的真实星图,本文方法识别更多目标;对于两个各2000帧的复杂背景仿真星图,本文方法可实现的识别率和虚警率分别为:97.6%、0.43%和97.9%、0.48%。2.传统的空间目标探测流程需先进行帧间配准,在检测到目标的基础上分析其形态特征,再计算运动参数。在受到亮星的影响下,会出现目标识别与定位不准确,目标位移计算偏差大等问题。针对此问题,论文从时域和空域角度分析了目标与背景的运动特征,并提出了基于运动参数估计的空间目标条纹逆过程探测方法,先通过图像帧间相位差检测目标位移,而后进行目标搜索和定位,这与传统流程完全相反,有效抑制了亮星干扰。结果表明,对于不同场景的真实星图,本方法能以亚像素精度估计目标条纹位移、长度和位置;对于五组各100帧的仿真星图,分别添加标准差为0、5和10的高斯噪声,目标位移检测精度分别为:0.08、0.31和0.48个像素,目标长度估计精度分别为:0.04、0.14和0.26个像素,条纹角度估计精度分别为:0.07°、0.3°和0.5°,目标定位精度为亚像素。3.当视场中同时存在多个不同运动状态的目标时,传统目标探测方法需分析所有目标形态参数并进行帧间匹配,然后再计算其运动特征并跟踪。但当检测算法无法准确分析每个目标形态时,则多目标无法匹配,需取更多帧进行分析。针对此问题,提出星图序列中多目标逆过程探测方法,通过相位差谱提取多目标位移,进而直接对多目标进行编目、跟踪与定位,克服了虚假目标去除过程存在的问题。结果表明,对于包含5个不同形态的目标的20帧仿真星图序列,分别添加标准差为0、5和10的高斯噪声,目标位移检测精度分别为:0.06、0.32和0.55个像素,目标长度估计精度分别为:0.05、0.21和0.41个像素,条纹角度估计精度分别为:0.16°、0.42°和0.7°,目标定位精度为亚像素。