复杂场景中典型目标的可识别性分析是当前自动目标识别领域中的研究热点，具有重要的理论价值和现实意义。然而，随着遥感技术的发展，遥感图像的分辨率不断地在提高，地物目标的周边背景也越来越复杂，这为目标的可识别性分析带来了巨大的挑战。当使用传统的方法进行分析时，由于遥感影像的场景具有大而杂的特点，因此往往存在计算复杂度大、耗时长且噪声多等问题。　　通过对前人工作的总结与借鉴，本文将复杂场景下遥感图像的目标可识别性分析分为了两个阶段：第一个阶段是基于显著性检测的可探测性阶段，它实现了目标的粗略定位，减少了系统的工作量；第二个阶段是基于特征分析的可识别性阶段，该过程通过特征的提取与分析对目标的可识别性做出了判断。以下为本文的主要研究工作：　　（1）针对可探测性阶段，本文提出了基于高斯金字塔的超复数目标检测方法。该方法通过高斯金字塔的预处理实现遥感图像场景的过滤，进而利用Gabor纹理特征图、Sobel边缘特征图以及颜色强度特征图对原始图像进行超复数矩阵形式的重构，并在超复数傅里叶变换的基础上，完成目标的可探测性分析。经实验证明，该方法能够克服复杂场景的干扰，实现目标的增强与背景的过滤。　　（2）同样从可探测性的角度出发，考虑到频率调谐显著性检测算法的高效处理性能，本文还提出了基于多尺度超像素分割的目标检测方法。该方法在频率调谐算法的基础上，通过多尺度超像素分割，融合颜色与SLBP纹理区域对比度，并以分块二维熵的形式实现显著图的择优组合，提高了算法的准确度与适应性。　　（3）针对可识别性阶段，本文提出了特征级融合与决策级融合相结合的目标可识别性分析方法。该方法首先根据遥感图像的特点，对特征进行适应性的改进，然后再以特征分组并分别串行融合的形式实现特征级的融合，进而在此基础上构造多个分类器，并通过决策级融合的方法完成分类器的综合分析。该方法与单特征或者简单的多特征融合相比，性能更具稳定性。