机库是机场的重要组成部分之一。快速准确的识别遥感影像中的机库目标具有重要的经济和军事意义。通过人工目视识别遥感影像中机库目标的方法已较为成熟,而如何利用计算机识别高分可见光遥感影像中的机库目标,是当前亟需解决的科学问题。本研究主要是在室内利用计算机进行相关图像处理实验。先是根据机库目标本身的性质特点分析得到目视识别特征,并从中选取出计算机识别特征。然后分别从计算机识别特征中的光谱特征和空间特征进行识别。在光谱特征识别方面,基于监督分类的思想,通过选取相应的训练样本进行光谱分析,确定机库目标与其他地物在光谱上存在的差异,并构建特征空间度量分类差异;根据差异特点及分类目的选用Fisher两类判别法进行分类识别,并针对利用常规Fisher两类判别法错分像元较多的问题,提出逐层剥离法进行改进。在空间特征识别方面,为突出、提取机库目标的空间信息,通过边缘检测和数学形态学运算分割图像,利用Hough变换和计算机图形学知识提取空间信息进行相关计算,并结合机库所在地区同类目标的统计分析结构和几何性质特点设定分类阈值。最后在验证识别精度的同时,研究分析各识别特征的重要性和组合方式。实验结果表明:机库目标与大多数地物容易于区分,而易混淆的地物主要为停机坪、建筑和道路;逐层剥离法与常规方法相比较,分类结果的视觉效果更好,准确率和像元识别率分别提高了0.08%和1.23%,特别是对深色机库识别时错分像元得到了近20%的减少。基于大小、形状和位置特征识别结果能够将机库目标与大部分地物区分开,基本识别出了全部机库目标,利用全部空间特征的识别结果准确率达到39.58%。综合两类特征的识别结果准确率为52.77%,共识别出90.91%的机库目标。通过研究得到以下结论:一是机库目标与其他地物之间在光谱上具有一定的可分性,改进的Fisher两类判别法对于不易区分的停机坪、道路和建筑等地物分类效果更好,具有更高识别精度和效率。二是综合利用边缘检测、数学形态学和Hough变换等图像处理方法能更好的分割图像并提取空间信息;基于大小、形状和位置特征基本能够识别全部机库目标;确定的阈值正确有效。三是综合多种识别特征可以提高结果的准确率;颜色、大小、形状和位置特征对识别结果的影响存在不同程度的差异。四是机库目标的计算机识别模型能够较好的描述机库目标在影像上反映出的特点,提出的识别方法能够较为准确的识别出机库目标,具有一定通用性。此外,本文提出机库目标计算机识别是基于多种识别特征并采用多种相应的图像处理方法,有别于通常只利用一种目标最主要识别特征的计算机目标识别。对于计算机目标识别领域具有一定的探索意义和借鉴价值。