飞机作为一种重要的军事目标,随着遥感技术的发展,它的检测和识别一直都在研究和探索中。本文给出了一种基于航天遥感图像的飞机目标识别方法。首先文中针对飞机目标定位分割问题,提出了一种基于仿射尺度不变特征变换(ASIFT)的SVM分割方法。在此基础上提取了飞机目标的基于小波分形维、仿射不变矩和致密度的加权融合特征表述飞机,建立样本特征训练库。最后提出使用基于核聚类的二叉树SVM对飞机型号进行分类决策。ASIFT是在尺度不变特征变换(SIFT)的基础上产生的,是一种图像局部特征。它能够准确的模拟由摄影机光轴取向变化引起的所有扭曲变形,建立仿射不变尺度空间,然后再进行SIFT,不但在保留目标重要信息的基础上,减少了要处理的数据量和运算量,还具有强的抗仿射性能及尺度、平移和投影等不变性。飞机的形状是一个凹边形,而且机场区域光谱反射率高,因此对目标进行ASIFT能够得到很好的局部表述特征。文中利用该特征进行SVM分割,确定目标飞机的感兴趣区域(ROI)。实验结果证明该方法能够有效克服因阴影和环境等因素产生的过分割现象。飞机在遥感图像上占的比例比较小,因此要将它们严格区别开来,在获取全局特征的同时,就需要兼顾其局部细节信息。然而,局部和全局特征描述飞机的能力是不同的。因此,本文提取出飞机小波分形维数、仿射不变矩和形状致密度三种特征并将它们进行加权处理,融合成一个特征作为识别的输入。要确定最佳权值,首先根据单个特征的分类精度高低选取权值的初始值,再按一定的步长不断更新权值进行测试,其中最高分类精度所对应的权值,即为最佳权值。支持向量机具有强的小样本学习能力,因此文中使用支持向量机对飞机进行识别分类。飞机型号识别是一个多分类问题,为了提高训练和检测时间,本文使用基于核聚类的二叉树支持向量进行分类。从文中建立的六类300幅飞机图片库中选取240个样本进行学习,剩余的用于测试。实验证明,采用融合后特征,飞机的识别率明显得到了提高,且使用基于核聚类的BT SVM分类法缩短了训练测试时间。