近年来,随着世界主要大国对外层空间的不断开发,在轨航天器数量持续增多,太空环境日趋复杂,我国的太空资产安全和国土信息安全正面临前所未有的挑战。传统的依托轨道信息的空间目标位置感知已无法满足空间活动的现实需要,亟待提升对高价值空间目标外形结构、三维姿态等精细信息的在轨感知能力。目前,以天地基光学和陆基雷达为代表的成像观测设备为空间目标精细感知提供了数据基础。然而在太空的特殊场景下,观测视角的限制、观测图像的降质以及空间目标材质的弱纹理特性严重制约了空间目标精细感知的完整性和准确性。针对以上问题,本文从寻求信息增益的思路出发,探索目标自身先验知识和目标外部观测信息在空间目标结构反演与姿态估计中的应用模式,研究提升太空特殊观测场景下空间目标精细感知能力的有效方法,主要包括以下工作:针对目标模型参数已知条件下的姿态估计问题,提出了一种基于语义关键点提取网络的光学图像空间目标姿态估计方法。本文将空间目标的基本结构表示为参数模型,针对传统的人工特征难以适应空间目标动态多变的观测环境的问题,利用深度学习技术自动挖掘空间目标显著结构的特征,并将其作为语义关键点建立起观测图像与已知目标模型的特征关联进而解算出姿态,相比于现有方法更好地兼顾了准确性和效率;同时针对空间目标的弱纹理材质和高度对称的结构特性易使关键点提取出现混淆的问题,提出了一种基于候选空间的特征关联策略,所提方法有效提高了目标在高动态光照和模糊降质情况下的姿态估计精度。针对目标模型参数部分未知条件下的姿态估计问题,提出了一种基于整体约束的光学图像空间目标姿态与结构参数估计方法。针对空间目标在轨运行中形态结构发生变化的现实问题,本文构建可变参数模型描述空间目标的已知结构,然后在关键点提取的基础上采用一种基于迭代的优化方法进行参数估计,实现了目标的结构变化感知和姿态估计;进而考虑到太空极端光照条件导致局部信息缺失的情况,本文提出了一种结合局部关键点和整体中心点的参数估计方法,有效提高了目标在局部部件变化情况下的姿态估计精度。针对目标模型参数未知条件下的姿态估计问题,提出了一种基于层次化解析树模型的光学图像空间目标结构反演与姿态估计方法。在观测视角受限、图像存在降质的太空特殊观测场景下,仅依靠观测数据难以实现未知空间目标的准确感知。为此,本文构建层次化解析树模型将相对松散的空间目标结构设计规律进行描述和建模,形成典型空间目标的结构先验信息;进而依托层次化解析树模型根据光学观测图像推断目标结构、估计目标姿态,有效提高了目标在观测视角受限和弱纹理情况下的参数估计精度。针对多源异质观测条件下的结构反演与姿态估计问题,提出了一种基于模型迭代匹配的光学与ISAR图像协同空间目标结构反演与姿态估计方法。针对多源图像之间的强异质性这一协同处理中的瓶颈问题,本文提出了光学图像与ISAR图像的协同处理框架,以三维模型作为异质图像信息交互的桥梁,通过模型参数的迭代匹配反演得到目标的结构和姿态,实现了对多源异质图像的有效综合,其姿态与结构参数估计精度优于单源观测结果。最后,结合本文研究内容给出了空间目标结构反演与姿态估计在实际中的流程和实例,为本文研究成果应用于实际任务提供了参考思路。