多源遥感信息利用随着传感器技术的不断发展,越来越成为遥感技术领域研究的热点。传统的多源遥感解译研究由于分辨率限制以及部分地物目标(如飞机、舰船等)随时间变动频繁等原因,更多的关注区域场景。近年来,随着遥感卫星传感器类型的丰富、探测分辨率的提高、数据量的增加,使得获取相近时刻同一地区高分辨率多源遥感影像变成可能,多源遥感图像解译也从区域层面迈向了目标层面。为此,本文在经典多源特征提取及融合方法的基础上,针对飞机和舰船两类典型目标,利用光学和SAR两种高分辨率遥感影像,开展多源遥感融合的目标检测识别研究。对于飞机目标,本文利用同时刻的光学和SAR数据,分别开展机场检测、飞机检测和飞机识别三方面的研究,以提高飞机检测识别的正确率和速度。针对光学图像由于成像质量差、云雾遮挡等造成的机场错检,本文提出了基于多源多特征融合的显著性检测模型进行机场粗检测,并利用基于融合SAR影像像素点分类的方法实现机场精细提取,大幅缩小了的飞机目标待检测范围,提升了后续检测识别的速度;在机场内,针对光学图像暗弱、被遮挡的飞机目标,本文采用边缘卷积的方法快速定位疑似飞机目标,并进一步通过多特征分类器对疑似目标进行二分类,实现飞机目标的检测;再对检测到的飞机目标,利用轮廓点角度估计获取飞机主方向角度,并通过基于轮廓命中率与均匀性的飞机目标型号识别方法,实现4类飞机型号的识别,并通过实验证明了该方法具有较高的识别率。对于舰船目标,为提高舰船检测识别的正确率和速度,本文利用同时刻的光学和SAR数据,分别针对码头检测、舰船检测和舰船识别三方面进行研究。针对光学图像码头区域特征不明显、候选切片较多的问题,本文采用基于融合SAR影像频率调谐显著性的码头切片分类方法,从大量码头切片内筛选出包含舰船目标的码头切片;在包含舰船目标的码头切片内,针对光学图像码头环境复杂、舰船目标阴影干扰严重造成的舰船错检,本文提出联合形状分析方法获取疑似舰船切片,并进一步通过多特征分类器对疑似目标进行二分类,实现舰船目标的检测;再利用基于特征点匹配、轮廓提取、亮度显著性的舰船部位检测方法,检测到舰船的7组部位信息,根据部位信息投票结果,实现3类舰船型号的识别,并通过实验证明了该方法具有较高的识别率。