目前，使用炸弹进行的恐怖活动给人类社会带来日益严重的危害。现在在机场、车站、海关等重要场所使用的炸弹检测装置，尚不能达到完全自动，最后的识别步骤还完全由人工来实现。为此，各国都投入了大量的人力物力，一方面加强人工安检力度，另一方面致力于研究和开发更有效的检测识别技术。 本文通过运用数字图像处理和模式识别理论，设计了一套炸弹图像的自动识别算法。基于当前在安检中广为应用的双能量X射线技术所得到的双能量X光图像，本文重点研究了图像值域分割，图像空间分割和炸弹图像计算机识别问题。在图像值域分割研究中，根据炸弹在双能量X光图像中的特性，提出了三种分割算法：一种修正的最小类内方差分割算法，一种双能量X光图像差减分割算法，和一种改进的脉冲耦合神经网络图像分割算法。为有效地实现图像空域分割，本文提出了一种可在一次图像扫描过程中实现像素连通判别和特征参数提取的图像空域分割算法。在此基础上，确立了适合双能量X光图像特点的炸弹图像目标判别准则。对上述各算法，本文均进行了模拟试验，结果表明，综合运用本文中提出的图像处理与识别方法，正确识别率可达90％以上。