随着国内外星球探测工程的实施和相关技术的快速发展,尤其是我国嫦娥一、二号摄制获得了海量的月球数据需要分析和处理。针对复杂光照和地理环境下月貌撞击坑图像呈现多模态,使得用现有的特征提取和分类方法仍不能精确快速地对其进行识别,研究者们开始对其新的特征融合和分类机制产生研究兴趣。本文结合数字图像处理、计算机视觉技术、模式识别和人工智能等多门学科知识,主要研究了月貌撞击坑图像的预处理和月貌撞击坑图像特征提取与分类识别问题三部分内容。首先,在撞击坑图像的预处理部分研究了各向异性扩散、高斯滤波,并提出了一种新的加权多向Sobel算子边缘处理的图像细节增强方法,着重研究了用柔性结构元素的属性形态学的面积、亮度对比、形状等滤波来提取撞击坑图像的特征。在撞击坑区域的特征选择和提取部分介绍了Haar-like特征、PHOG(梯度方向直方图)特征,并提出了利用协方差矩阵将月貌撞击坑图像的多个特征有效地融合到一起表达多模态撞击坑融合特征。在撞击坑区域分类方法部分研究了贝叶斯分类器、Ada Boost分类器及支持向量机分类器。将上述预处理、特征、分类器进行适当的组合应用于月貌撞击坑图像的实验中,并实现了月貌撞击坑图像地分类,最后对实验结果进行了分析。实验结果表明,合理的融合特征组合构成的协方差矩阵描述子具有良好且快捷的月球撞击坑区域分辨能力。本研究过程中还设计了一个月表撞击坑形貌融合特征识别系统的主要结构框架,并对上述的方法和算法进行了验证。