热红外遥感与其他手段相比具有特殊优势,本文研究的热红外图像成像波段是8~10.5μm,该波段图像能获取典型目标的类型和工作状态,在军事目标侦察、热点地区监视、伪装目标揭露等方面具有特殊作用。与可见光图像相比,星载热红外图像细节模糊、对比度低、信噪比低,使得该类图像的目标识别更加困难。但是,对于港口、机场、大型舰船和油罐等典型目标的识别还是可行且很有必要的。由于港口(包括油罐)、机场属固定目标,舰船属活动目标,且这几类目标的形状、纹理等图像特征具有一定的代表性,因此,本文选择了上述典型目标。由于热红外图像识别在条带噪声去除、辐射定标与温度反演、目标建模与图像分割、特征提取与选择、目标检测与识别等方面存在较多需要解决的问题,而本文在已进行辐射校正处理的图像上,对典型目标的热红外图像识别特征进行分析,根据特征分析模型进行特征比对辅助解译,提取热红外目标识别典型特征,研究热红外目标检测与识别方法。主要研究内容和创新点如下:1.使用特征分析和比对方法,对热红外图像进行目标状态和信息分析。分析了油罐、舰船及机场跑道目标热红外图像识别特征,并结合热红外特征分析与比对方法,从辅助识别角度,对油罐状态和机场设施信息进行判定,该方法在环境影响不大时是有效的。2.使用评估器方法,研究了热红外图像特征提取与选择方法,得出了港口、油罐和舰船目标最佳特征组合。针对舰船样本图像几何特征提取前,图像分割的高效和普适性问题,从4种典型的阈值分割方法中选择了最大类间方差法。针对港口热红外图像背景复杂、目标较多、边缘信息不明显等识别困难问题,提出了基于评估器方法的特征提取与选择方法,对比了对热红外图像识别有效果的纹理、几何等特征,通过评估器选择最佳特征组合,生成了热红外图像港口目标最佳分类特征组合。在上述港口目标选择的特征组合基础上,针对油罐和舰船识别特征,提出基于支持向量机分类的特征提取与选择方法,生成了热红外油罐和舰船目标最佳分类精度特征组合和分类模型,为后续样本学习型目标检测提供训练样本分类模型基础。3.从无样本学习的方法角度,提出尺度分层多阈值与考虑目标形状和低对比度特征的方法,实现了舰船和跑道目标的有效检测。针对目标与背景反差较小时热红外舰船检测困难问题,提出了一种基于尺度选择的分层多阈值检测方法,可根据模板的尺度来滤除不同模板尺度的相似区域目标,实现精确地检测舰船目标。针对目标亮温较强时的热红外舰船检测不准确问题,在基于小波包和高阶统计量的目标检测未考虑目标几何特征的情况下,提出了考虑目标形状特征的检测算法,在背景噪声较多、纹理不太清晰且目标与背景反差较大时检测效果较好。针对目标与背景反差较小使得热红外图像跑道提取不完整问题,提出了直觉模糊C均值结合区域生长法的辅助检测方法,与直接使用区域生长法相比,能够较准确地辅助人工提取出机场跑道。4.从样本学习型方法角度,提出基于变形模板、团块特征检测、分层多阈值方法与支持向量机分类等检测方法,解决了低背景反差下的油罐和舰船检测难题。针对油罐目标小且与背景反差小造成检测困难问题,结合所得出的最佳特征组合,提出一种支持向量机分类的检测方法,对具有一定的条带噪声和边缘信息不突出的油罐目标检测是有效的。针对支持向量机分类油罐检测方法虚警率较高的问题,结合油罐圆特征,提出一种支持向量机和变形模板相结合的检测方法,对具有一定条带噪声和边缘信息不突出的类圆形油罐目标检测是有效的。再针对上述方法检测虚警目标多的问题,提出了一种斑点和团块特征检测方法,与支持向量机样本学习分类和变形模板法相结合的检测方法,该方法检测更准确,且比单一使用样本分类方法降低了虚警率,提高了检测效率。针对近岸舰船目标与背景亮温差异不大时检测效果差,而分层多阈值法有时无法检测完全且会有较多的虚警目标等问题,结合已选择的舰船特征组合,提出了一种将分层多阈值方法与支持向量机样本学习分类相结合的检测方法,检测目标更完全,且比单一使用样本分类法降低了虚警率,提高了检测效率。