随着空间技术的发展，空间目标识别是空间目标维护等交互操作和提高外太空探索能力的关键技术，考虑到不变矩技术在目标识别中的优势，本文主要研究在不同光照和模糊条件下的基于不变矩的空间目标识别方法。　　首先，针对空间目标图像资料的匮乏，本文构建了半物理仿真实验平台以获取空间目标在复杂空间环境下的图像样本。在分析空间目标图像特点的基础上，利用最稳定极值区域（MSER）算法的思想对空间目标进行了分割研究。为了提高算法的实时性，在提取极值区域时引入极值区域的边缘并利用边缘的变化情况计算图像的阈值。实验表明，本文算法比经典的图像分割方法具有更好的分割效果。　　然后，针对空间目标图像中存在的灰度退化，结合颜色转换模型和不变矩基本理论，本文提出了一种具有光照不变性的中心矩，与现有的仿射不变矩融合，构建出光照相似融合不变矩，并从理论上证明该不变矩具有光照和相似（平移、旋转和缩放）不变性。以不同光照和位姿条件下的空间目标为实验对象，采用最小距离分类器准则进行目标识别，本文方法的识别准确率达到了79.71％，比原始的仿射不变矩提高了25.46%。　　最后，为了解决现有光照和模糊条件下空间目标识别不稳健的问题，结合本文提出的具有光照不变性的中心矩和现有的不变矩理论，构建出一种光照模糊相似融合不变矩，并从理论上证明了其具有光照、模糊和相似不变性。对不同光照、模糊和位姿条件下的空间目标图像进行验证实验研究，实验结果表明，本文方法的识别准确率达到了86.43%，比原始的仿射不变矩提高了40.06%，满足了不同光照、模糊和位姿条件下的空间目标识别需求，提高了基于矩的目标识别方法的鲁棒性。