目标识别是计算机视觉的一个重要研究方向，在军事自动化领域有着广泛的应用前景。飞机识别是目标识别的一个具体应用，对高效的军事情报生产有着重要意义。目前，对于飞机机型的识别仍然处于探索阶段，成熟的理论和方法尚未形成。 本论文主要研究了基于粗糙集和支持向量机相结合的模式分类技术，结合遥感图像中军用飞机目标识别进行了理论分析和实验研究。基于粗糙集和支持向量机算法的优势，设计了基于粗糙集和决策有向无环图的支持向量机模式识别分类器，对分类的性能进行了分析研究，并取得了很好的效果。本文的主要内容和成果如下： 首先，利用3DSMAX软件建立了由九种不同形状飞机和三对形状相似飞机的顶视图像在改变大小和旋转方向条件下所构造的样本图像库。样本图像库由训练样本图像库和测试样本图像库两部分组成。 第二，在实际成像条件下不变矩取值会存在各种不稳定影响因素，特别是在计算小尺寸目标的不变矩时会往往产生较大误差。因此本文研究了飞机灰度图像的Hu不变矩和复数矩特征参数的提取方法，并建立与尺度和模糊度有关的多级不变矩特征库。实验表明，使用分级特征库能显著提高目标识别的准确度。 第三，本文对支持向量机多类别分类算法进行了对比性研究，分析了每种算法的原理和特点，讨论它们之间的内在关系。由于1-v-1和1-v-r方法没有给出误差泛化能力的分析，同时它们的训练时间随节点的增加而呈非线性增加，针对此情况，本文采用了决策有向无环图的支持向量机多类别分类算法，实验证明该方法提高了分类器的分类精度，缩短了训练和预测时间。 第四，研究了基于粗糙集计算方法的特征选择方法，分析了特征空间维数对支持向量机分类性能的影响，提出粗糙集和支持向量机相结合的方法。用粗糙集理论判别属性的重要性，进行属性约简，以降低输入空间维数，进而设计支持向量机分类器，进行训练及预测。实验证明该方法有效地提高分类器的分类性能。 最后，设计基于粗糙集和支持向量机模式识别分类器，最终提出基于粗糙集和决策有向无环图支持向量(DAGSVM)相结合的分类算法，实验结果表明，该方法识别精度高，速度快，抗干扰能力强，有效地提高了分类器的分类性能。