基于遥感图像的自动目标识别在军事和民用方面都有很重要的应用前景。然而,受到成像参数、目标姿态变化及识别任务需求复杂多变等因素的影响,自动目标识别仍是一个难点。本文以飞机、油罐和坦克这三类典型目标为研究对象,开展了目标感兴趣区域提取、目标识别、融合目标识别等方面的研究工作。论文的主要贡献体现在以下几个方面:　　 1.提出了一种基于视觉显著性的目标感兴趣区域提取的方法。该方法模拟了人眼的注意机制,可以迅速对显著目标定位,且与目标的类型、姿态及图像类型无关。在视觉显著性的计算中我们引入了相位信息,把亮和暗的显著目标分成两个通道分别处理,提高了暗目标的检测率。在显著性区域分割中,通过空间竞争增强了目标的显著性,并采用了最大稳定极值区域检测的方法,提高了分割结果的鲁棒性。实验结果证明该方法在多种图像源上都有很好的稳定性。　　 2.提出了一种机场典型目标的识别算法,该算法通过逐步深化的方法把视觉显著性计算等底层图像处理算法和目标的高层语义有机地结合在一起,一定程度上解决了目标识别中高层语义和底层算法之间的脱节。在飞机和油罐这两类典型目标的检测中,都采用了由粗到精的识别策略,先利用视觉显著性、对称性等变换不变的特征估计目标的精略位置与参数,再利用精确的形状匹配识别目标。该方法不仅提高了目标识别的精度,还大大减少了计算的复杂性。实验结果表明该算法具有很好的检测性能。　　 3.提出了一种基于视觉显著性的融合目标识别算法框架,并给出了两种应用:融合可见光与红外图像的坦克目标分割,融合合成孔径雷达与可见光图像的油罐目标识别。把与目标识别直接相关的视觉显著性作为融合特征,有效地提高了目标的识别率,并降低了虚警率。融合框架可以针对不同的图像源和目标,融合能在不同的层次上并采用不同的策略实现,从而大大提高了融合识别的灵活性。