随着光电对抗技术的迅速发展,成像技术在光电对抗整个环节中愈发重要,目标成像识别的优劣将决定战场的战略和战术监视能力。现阶段,传统的目标识别方式是将光学目标转化为数字化目标,经计算机处理实现最终的目标识别。然而,这种目标成像识别过程存在光电转换环节,具有一定的时间延迟,不利于复杂多变的真实战场环境。针对传统目标成像识别的局限性,借助于光学信息处理高速、低延迟的优势,全光目标识别成为一种目标成像识别的新途径。然而,对于具有复杂背景的目标,现阶段的全光识别还难以达到较高的识别准确率。因此,采用光学轮廓提取技术,压缩识别信息量,提取主要特征信息,减少次要特征信息的同时加快目标识别效率,成为一种可行的全光识别信息预处理方式。本论文提出一种光学轮廓提取的技术路线,依据该技术路线,利用傅里叶空间的光学衍射神经网络设计关键器件,实现了目标的实时轮廓提取,结合光学目标识别器件,有望实现实时的敌情侦察,为己方发现敌情并予以打击节约时间。本论文主要研究内容如下:首先,基于光的衍射传播原理,建立傅里叶空间光学衍射神经网络的数学模型。首先搭建光学4 f系统,并在傅里叶平面上放置级联衍射光学元件组成的光学衍射神经网络,每个衍射光学元件由特定厚度的微纳结构单元组成。然后,训练各层衍射光学元件的厚度分布,从而实现对层间入射光场轮廓滤波作用。其次,基于傅里叶空间光学衍射神经网络的数学模型,通过仿真设计寻找光学衍射神经网络的最佳设计参数及傅里叶透镜的最佳焦距以达到最佳的轮廓提取效果。确定最佳的设计参数后,将光学非线性引入傅里叶空间光学衍射神经网络的设计中,进一步提升轮廓提取性能。最后,依据前述傅里叶空间光学衍射神经网络的设计思路,根据空间光调制器的性质和结构参数,重新设计傅里叶空间单层光学衍射神经网络,并通过仿真寻找获得最佳轮廓提取效果的结构,之后搭建实验光路,进行轮廓提取性能的原理性验证。本论文的仿真结果和实验结果显示,利用傅里叶空间光学衍射神经网络能够设计轮廓提取器件,实现目标的光学轮廓提取。在未来,可以与光学目标识别器件结合,实现对军事敌情的实时侦察与识别。