随着遥感图像的分辨率越来越高，信息越来越丰富，实现诸如道路、建筑物和机场等目标的自动识别成为可能，通过研究具有可广泛应用的自动目标识别技术，在民用导航和军事目标精确打击等方面都有重要作用。近年来，许多研究者在这方面做了大量研究，但迄今为止，从遥感图像中自动抽取信息和识别目标的技术仍然不够完善和成熟。目前大多数自动目标识别技术通常只具有识别某种目标的能力，不具备普遍适用的价值。　　 论文以机场、舰船、建筑物、道路等典型遥感目标为例，尝试可配置的目标分割和识别方面的研究，介绍了面向对象的分割和识别方法，主要思想是：将图像分割成对象基元，并把目标分割、识别等算法抽象独立，然后依据适当的准则为对象基元配置分割方法，获取待识别目标，再采用特征可配置的识别方法实现多类目标的自动识别。论文的主要研究特点如下：　　 首先，在目标分割方面，论文研究了方法可配置的面向对象的图像分割。主要思想是：将图像分割成一系列对象基元，然后对这些对象基元进行后处理得到待识别目标。根据目标的特性，论文介绍了三种候选的对象分割预处理方法，并以机场、舰船、建筑物、道路四种目标为例，给出了目标分割方法的配置结果。　　 其次，在特征提取方面，论文研究了基于高分辨率遥感目标的特征提取算法，深入挖掘目标的光谱、纹理、几何形状等几大类特征，为特征可配置的目标识别提供了充足的候选特征。　　 最后，在目标识别方面，论文重点研究了特征可配置的目标识别技术。提出了一种基于可分性度量的特征配置准则，并选用AdaBoost分类器对已配置的特征进行学习，确定每个特征的分类阈值和权值系数，从而达到识别参数的配置，并以舰船为例将论文中的识别算法与支持向量机识别算法进行对比试验，实验证明经过特征配置后，目标识别的准确率得到提高。