激光距离选通成像技术具有全天候成像、距离信息同步获取、抗干扰能力强等优点,是当前光学导引技术前沿研究方向之一。激光距离选通成像系统受限于工作环境,脉冲激光功率普遍偏小,为了最大限度提高作用距离,迫切需要进行相关图像处理算法研究,以提高目标识别的准确率。为了满足未来高速飞行器的应用,其算法还必须具有极强的实时性。为满足高速飞行器激光距离选通成像中的识别率和实时性要求,本论文基于激光距离选通成像技术,其在物理层方面已尽可能消除背景干扰的条件下,研究出一种由目标区域提取与目标分类两个阶段组成的目标检测算法。在目标区域提取阶段中,本论文基于形态学的方法,开发了一种对图像中目标与背景分割算法,兼顾了目标区域提取算法的高准确率和高速率,一定程度上解决二阶段算法中,整体目标检测算法速率慢的问题。在目标分类阶段当中,本论文改进了一种轻量级的分类模型,在满足分类速率的同时满足了分类的正确率要求。本算法在其主要评价指标m AP中,相较于常用目标检测算法Yolov5结果提升3.2%;在推理速度FPS指标上,达到93.1数值,高于Yolov5的59.1。对于本论文算法开发主要工作分为以下内容。在提取目标区域阶段,本文在激光距离选通条件下,基于形态学理论,对图像进行腐蚀、膨胀。通过对噪声干扰灰度分布特征、以及连通区域大小判断和空域法图像增强技术,完成目标区域提取的任务。此方法改善了图像中含有噪声、目标有保护色等情况下的提取效果,在确保提取速率的同时,可准确提取出目标的区域。最终使其在本论文中的图片数据中,其输出框的目标精准率达到93%,目标召回率达到93%。在目标分类任务阶段,本文采用transformer以及MobileNetV2的组合模型Mobile Vi T模型,使用tansformer模块代替部分卷积模块,并通过在其结构中加入通道注意力模块,将模型的正确率相较于原始MobileNetV2模型提高9%。相较于其他常见分类模型,正确率均高出5%以上,并且模型对单个图像的平均推理速度仅为0.0049s。相关工作已经在军委科技委H863某重点项目中得到初步应用,并进行了相关外场试验。