图像末制导信息处理系统中的点目标检测与识别算法是动能拦截武器实现远距离拦截来袭目标的关键技术之一。本文以动能拦截器的探测器接收到的光学序列图像为处理对象,系统研究了其中的点目标的检测、特征分析与提取方法以及识别(威胁程度评估)算法问题,具体研究内容包括以下三个方面。序列图像中低信噪比运动点目标的检测算法及其性能分析。根据点目标运动轨迹的连续性特征,提出了改进DPA(动态规划算法)能量累加和轨迹关联匹配相结合的检测算法。针对直接DPA能量累加算法存在能量扩散的缺点,采用限定搜索窗的DPA能量累加算法,在减小目标能量扩散程度的同时,提高了累加图像后的目标信噪比。针对轨迹关联匹配算法中的轨迹预测误差大的问题,采用多点最小二乘(LS)线性预测器加以改进,减小了轨迹的预测位置误差,提高了目标轨迹的检测概率。理论分析与仿真实验的结果表明本文提出的算法在具有良好的硬件实现结构的同时,可有效的完成检测低信噪比运动点目标的任务。针对多波段条件下的目标融合检测问题,采用并行分布式序贯融合算法对各通道的检测结果进行融合处理,并根据理论分析和仿真实验结果确定了最佳的序贯融合检测算法。空间弹道目标的光学强度序列分析与识别特征的提取。根据空间弹道目标的光学与运动学特性,重点研究了进动旋转的弹头和翻滚运动的诱饵的光学强度序列信号的周期性变化规律,并采用双周期性函数来表示该光学强度信号,以反映弹头和诱饵在运动特性和表面辐射特征方面的差异。论文还研究了使用双波段红外辐射强度数据测量弹道目标等效温度的方法,根据弹头与诱饵对应点目标的等效温度的变化规律,提取出三个温度特征参数,并设计了对应的判决准则用于区分弹头与诱饵。弹载动态点目标识别系统与识别算法。空间拦截交战过程中的动态目标识别是对候选目标进行威胁程度评估并进行最大威胁程度判决的过程。根据拦截过程中获取目标信息的动态性,提出了管理动态目标记录数据的方法和处理动态目标识别信息的模型。针对弹头与诱饵的识别算法问题,提出基于FIR-TDNN分类器的动态点目标识别算法,直接对目标时域光学强度序列进行处理,获得每个候选目标的威胁程度,通过理论分析和仿真实验,验证了该算法的有效性。