不变矩在航天航空、医学、海洋甚至平时的生活中广泛应用，特别是近几年在航天器上。因此，本文基于航天器的认知过程，对基于不变矩的光照、模糊及三维航天器的识别算法研究。首先针对由于空间目标图像存在仿射变形和模糊变形，目标识别采用将仿射不变矩和模糊不变量融合的不变矩，解决如何对不同角度不同距离的空间目标识别的问题。其次为了解决现有的光照变化条件下不变矩识别不稳健的问题，本文根据灰度光照模型和朗伯特颜色模型，提出了一种光照仿射融合不变矩，以不同光照、角度、仿射变化下的卫星模型为实际图片，采用最小分类器准则，平均识别的准确性为93.71%，相比经典的灰度图像的光照不变矩提高了20%，并且适合于彩色图像和灰度图像。然后为了解决现有的光照和模糊变化条件下不变矩识别不稳健的问题，结合光照仿射融合不变矩和模糊不变量模型，提出了一种光照模糊融合仿射不变矩，并且应用于航天器的识别中，平均识别的准确性为94.60%，相对于Jan仿射不变矩的准确性提高了17.34%，有效的解决了对不同角度、不同光照模糊下的目标识别的问题，提高了目标识别的鲁棒性。接着为了解决目标图像矩的计算速度不高的问题，分析各种不变矩的快速算法以及航天器存在光照模糊等变换的特点，采用IIR digital filter算法计算目标图像矩，以降低不变矩的计算时间。最后针对三维目标转化为二维图像识别实时性不高的问题，在主分量分析法（PCA）的基础上，提出了一种基于组合不变矩和PCA融合的快速识别方法，实时性提高了17.8%.。并且用光照模糊融合组合不变矩与PCA融合应用于航天器的识别，以三种不同的卫星模型为实验，在概率神经网络（PNN）中的识别准确性为98%以上，相对经典的组合不变矩在识别准确性上有明显的提高，提高了18.19%。以满足不同光照、模糊、仿射变换下的实时识别。