从世界军事局势的发展来看,未来战争模式之一就是用精确制导武器夺取战争主动权,形成常规威慑力量。随着光电技术的进步,图像制导成为精确制导技术的重要方法之一。目标识别是图像制导中的关键技术之一,加之现实的战场环境复杂,研究高精度的目标识别算法尤为重要。为此本文研究复杂背景下的目标图像识别技术,主要包括图像预处理技术、图像特征提取技术、目标识别技术和多分类器集成技术。本文首先从课题目的出发,讨论了复杂背景下图像预处理技术。针对坦克模型图像的特点,选择中值滤波、阈值分割、数学形态学处理、边缘检测、轮廓跟踪、区域填充等预处理方法,较好的将目标从复杂背景中分离出来。然后,为了描述目标的属性,提取目标的多种形状特征,剔除特征间的冗余,经优选后选取形状参数、偏心率、球状性、圆形性、矩形度和Zernike矩特征,组成目标识别的特征向量,为目标识别提供有效数据。在上述研究的基础上,深入研究了基于BP神经网络的目标识别技术,设计了基于BP神经网络的分类器。设计步骤包括:确定BP神经网络中输入输出节点的个数,选择恰当的网络结构(隐层节点的个数)以及网络训练参数等。最后,考虑单一分类器识别往往难以取得满意的效果,提出了一种改进的基于投票的多分类器集成算法,该算法将优选的形状特征作为输入,设计了基于BP神经网络的几何特征网络、常规矩特征网络和Zernike矩特征网络三个子分类器,应用二阶投票算法综合子分类器,从而提高了目标识别的可靠性。