当今,数字图像处理研究与应用中最活跃的一个领域是基于模式识别的机器人“计算机视觉”,而目标识别又是计算机视觉研究的一个重要方向,在军事遥感、工业自动化等领域都有广泛地应用。遥感图像中的飞机以及舰船识别在军事遥感中具有重要意义。本文主要研究了脉冲耦合神经网络(Pulse Coupled Neural Network,PCNN)的基本模型、分割原理,以及存在的问题,并根据近些年来人们对脉冲耦合神经网络模型的改进,提出了对PCNN改进的方法,并应用于遥感图像的分割。其次,研究了Hu矩和Zernike矩的原理、性质以及其在模式识别中的应用,并对Zernike矩加以改进,使其在拥有旋转不变性的基础上,具有平移不变性、缩放不变性。最后,研究了常用的二值图像算法,并研究了基于PCNN分割以及Zernike矩作为特征的飞机目标识别算法。该算法主要利用PCNN对遥感图像进行分割,对分割后的二值图像中,利用Zernike矩描述目标的形状特征并与模板进行匹配识别目标。实验证明,该方法识别率高,速度快,并且可有效地对抗平移、旋转、较小的缩放、阴影等干扰,具有很好的稳健性。同时,还研究了遥感图像中舰船目标识别算法,针对图像中阴影以及舰船粘连对识别正确率带来的影响,提出了解决办法。