深空背景空间目标的检测和识别在军事领域中占据重要的战略地位。在远距离探测阶段,空间目标与恒星的光谱特性相似,如何快速准确地检测恒星背景的空间目标是探测的首要任务。在近距离探测阶段,空间目标呈现面状特性时,空间目标识别受观测角度和其他目标的影响,近距离多视角和遮挡识别是待解决的难题。本文围绕深空背景远距离空间弱小目标的探测和近距离空间面目标的抗干扰识别进行研究。在远距离阶段,空间目标与恒星的光谱特性和运动相似,给空间目标检测带来了困难。针对星图噪声分布不均匀的问题,提出了自适应局部星点提取方法,采用图像分块的思想,根据局部分布特性进行滤波,解决了星点漏检和局部信噪比低的问题。在星图识别方面,提出了多源标准星型模式的星图识别算法。该算法提出了标准星型模式,以标准转动角和标准角距作为特征量,解决了尺度和旋转干扰的问题;提出了多星识别融合方法,通过合并多个观测星的识别结果,解决了噪声引起的错误识别问题,提高了星图识别算法的鲁棒性。针对在单帧星图中空间目标特征少的问题,提出了多帧特征融合判决方法,借助星图仿真剔除恒星,应用均值漂移聚类和置信度判决,实现了恒星背景的空间目标检测。对空间非合作目标,在近距离识别阶段面临尺度、旋转和多视角且可能被其他目标遮挡的问题,提高了空间目标识别的难度。由于空间目标识别受传感器观测角度的影响,利用傅里叶描述子和谱聚类,解决了多视角识别问题。针对空间目标被遮挡后无法与干扰分离的问题,应用骨架以及形状上下文,提出了快速骨架分支节点提取方法,快速确定空间目标的感兴趣区域,实现了空间目标的遮挡识别。对上述方法与传统方法进行大量实验对比,实验结果分析表明本研究的方法具有更好的检测和识别效果,有很强的实用价值,且已在实际工程中得到应用。