遥感图像在侦察、精确打击和民用方面都有重要的应用,因此开展遥感图像的特征提取和目标识别工作具有实际意义和应用前景。本文以遥感光学图像作为研究对象,以形状特征作为切入点,系统研究了目标的分割、特征提取以及图像匹配的方法。针对阵列目标以及团块类目标的识别采用自下而上的数据驱动识别法。根据阵列目标以及团块目标图像灰度的分布情况,本文分别研究了模糊阈值分割法、结合遗传算法的模糊阈值分割法、最大类间方差分割法。实验表明,最大类间方差分割法对上述两种目标的分割具有效果好,运行时间短等优点。由于遥感图像成像过程中各种因素的干扰以及前面预处理的影响,分割结果中存在许多噪声颗粒毛刺及小块区域。本文给出了一种基于区域面积的阈值消去法去除图像中的非目标区域。实验表明,该方法能有效地去除非目标区域。针对港口目标的识别采用自上而下的知识驱动识别法。每个港口的设施有其特殊的结构和布局,导致每个港口的内港水域有其特殊的形状。因此,利用内港水域的形状特征可以识别特定的港口目标,本文给出了一种基于内港区域的港口目标分割方法。这种方法的基本思路是,首先进行海域分割,将陆地与海域分割开来;然后进行海岸线的提取,计算海岸线的特征点;最后,通过计算特征点之间的封闭性测度得到港口的内港海域。通过对多幅港口目标的实验表明,利用本文给出的方法能够完整地将封闭性较高的港口内港区域分割出来。经过图像分割得到目标区域后,本文采用计算不变矩特征作为目标区域的特征值。研究了具有平移、旋转和比例因子不变性特征的Hu不变矩,线性不变矩,同时介绍了具有仿射不变性的仿射不变矩。在图像匹配过程中,本文利用归一化的欧氏距离来计算实测图与目标模板的相似性度量值。实验表明,利用Hu矩的前四个以及仿射不变矩作为目标特征值对以上三类目标均能获得较高的检索成功率。