本文重点研究遥感图像中军事阵地的空间分布结构特征，以及阵地与其它目标的拓扑关系特征，其中的难点是研究导弹阵地类目标的空间分布结构特征。 首先分析了数据源的特点，确定使用模糊理论与图论分析军事阵地目标群中的子目标特性与目标阵列群的空间分布结构。 第二章使用Kubelka-Munk光照物理模型分析了可见光彩色信息中一些不受光照环境、视点位置、物体材质的菲涅耳反射系数影响的不变量；之后使用高斯积分分析了光谱能量分布结构，提出了与设备参数相关的彩色不变量实际求解方法。所求彩色不变量可作为特征，对遥感彩色图像进行粗分割。并提出一种基于特征量化的快速类数自适应模糊C均值分级聚类方法，用于快速提取子目标斑点。 第三章使用ARG模型描述军事阵地目标群，使用图论中的路径描述节点之间的多元关系R~m，拓展传统ARG模型为AR~mG模型，用于分析多个目标之间的多元关系与空间分布结构。之后采用多尺度的概念，提出了多层化的AR~mG模型，mAR~mG，用以分析不同尺度对象之间的关系。该模型具有G(G，E)的嵌套形式，节点不再是单独的节点，而可能是一个子图，子图在mAR~mG中的某一尺度上被作为独立节点来处理。之后将mAR~mG模型模糊化为模糊mA(?)~mG模型，为模糊信息融合提供信息源。 第四章分析了子目标斑点的几何形状特征。结合二元距离与相似关系，提出了目标阵列等间距分布关系的显著特征：目标之间的最小距离相等。之后针对Hu的矩不变量的尺度不变性进行了参数修正，使之适合于分析离散斑点集的整体空间分布形状。并提出可区分环状、团状、线状分布斑点集的重心距离特征与圆形度特征。之后对目前已有的模糊拓扑空间关系求解方法进行了比较研究。针对模糊拓扑环境传递算法进行了较深入的研究，提出了适合对大图像进行模糊拓扑空间关系求解的改进方法，提高了算法效率。最后提出了比以往定义更加符合人的直觉习惯的“毗邻”与“包围”模糊拓扑空间关系的计算式。 第五章提出一种新颖的基于模糊信息融合的可用来检测目标之间空间分布结构规则程度的路径空间关系约束支撑树算法，即最规则空间分布关系MSR(Max Spatial Regularity)检测算法。算法基于“约束”支撑树的思想，借助Prim算法搜寻最小支撑树的机制，评估出当前节点与已搜索节点，以及未搜索的邻近节点之间满足某种有规则的空间分布关系的满意程度，约束支撑树的生长过程，尽最大可能地主动探测子目标之间可能存在的规则的空间分布结构；最后得到一棵可用来评估目标群满足某种局部的规则空间分布关系满意程度的MSR支撑树；对MSR支撑树进行解模糊，推测目标群是否为目标阵列。算法具有良好的抗噪声性能，且计算量维持在O(N~2)的量级，N为子目标数目。 最后系统地总结了本文的研究工作，给出了进一步研究的建议和设想。