随着遥感技术的飞速发展,自动目标识别算法及系统变得越来越复杂,如何提高其工作效能成为一个突出的问题。目前,自动目标识别技术研究者们逐渐意识到目标识别效果评估的重要性,对目标识别效果评估技术的研究逐渐成为研究的热点问题。本文针对现有的目标识别效果评估技术存在的问题,从以下几个方面进行研究。(1)目标识别效果评估指标是效果评估的基础,指标的选取直接影响效果评估的可信度。本文首先介绍了几种经典的目标识别效果评估指标,依据评估指标选取原则和实际应用,设计了目标识别效果评估指标体系。(2)针对现有的目标识别效果评估方法在设置指标权重时存在较多主观因素的问题,引入BP神经网络模型。BP神经网络能够根据所提供的样本数据,通过学习和训练,找出输入与输出之间的内在联系,从而求取问题的解,而不依赖对问题的经验知识和规则,因而具有自适应能力。本文重点对基于BP神经网络的目标识别效果评估模型建模方法进行了深入研究,并探讨了训练样本的获取方法。(3)针对目标识别效果评估受图像质量影响的问题,提出一种基于图像质量的目标识别效果评估方法。本文借鉴美国国家图像解译度分级标准,对MSTAR图像库中的图像进行质量等级划分,并按照图像质量等级将图像库划分为不同的图像子集。对划分后的图像子集通过同一目标识别算法进行分类,考查图像质量对目标识别效果的影响,最终提出一种基于图像质量等级的目标识别效果评估方法,该方法针对图像质量影响目标识别效果的问题,将目标识别效果评估结果统一到同一标准,提高了目标识别效果评估的鲁棒性。