随着图像科学各基本理论的进展以及DSP应用技术迅速发展,与DSP技术相结合的数字图像处理技术在国民经济各部门得到了广泛的应用。而现代战争的要求越来越高,空战更是一个复杂、动态的环境,因此,对空中目标的识别已经显得非常重要。本论文是基于DSP的飞机目标图像识别研究,主要做了以下几个方面的工作:首先分析了本课题国内外研究现状和发展方向。着重研究了DM642在图像处理应用过程中程序结构的软硬件设计以及利用EDMA传输方式解决大量数据传输的瓶颈问题。其次,在简要的分析了图像平滑和锐化的图像增强技术后,重点研究了飞机目标的灰度分割,提出不同的灰度阈值分割方法进行图像分割,对于全局分割,采用了最大类间分割法、最大熵与一致性准则相结合法、最大类间类内方差比法;对于局部分割,采用了自适应阈值法;对于背景较复杂的分割,采用了二维最大熵法。对这些分割方法作了改进,在运算速度上进行优化,均取得不错的分割效果,为目标识别作好准备。再次,提取图像的矩特征。文中提取了飞机的不变矩,并对矩特征进行修正和归一化。接着是对目标进行识别,将矩特征输入神经网络进行模式识别和分类。主要采用了BP神经网络、基于径向基函数神经网络识别方法,并在此基础上有所改进,对识别效果进行了对比分析。然后针对本课题中编程的程序优化进行了阐述,指出了编程时如何在满足实时性方面必须要注意和改进的地方。最后简单地总结了本课题的内容,并从硬件及软件方面对本课题的研究方向进行了展望。