随着深空探测技术的进步,月球作为距离地球最近卫星的重要地位也愈加凸显。月表分布着庞杂的撞击坑,通过它们可以获悉关于月球的形成和演化等信息,是对月球展开研究的基础。撞击坑具有数量众多和形态多样的特点,因此,合理的分类方案和有效的检测方法对后续各项研究工作的开展具有关键的作用。撞击坑在形成时期和演化过程中受到的作用力不同,因此所表达出的纹理特征具有差异性。本文首先依据撞击坑的形态特征参数对其进行了类别划分,提出将月表撞击坑分为简单撞击坑、底部破碎型撞击坑、中央峰型撞击坑、坑底受多次撞击型撞击坑、撞击残存型撞击坑、月海残留型撞击坑和环形盆地七个主要类型,阐明了每种撞击坑的特点和形成原因,对比说明了类间的异同点;然后分别统计分析了每种类别撞击坑的尺寸分布范围和地理分布位置,形成了较完整的撞击坑分类统计结果。现有的撞击坑检测方法主要针对形态简单的小尺寸撞击坑,这些算法对于直径较大且纹理较复杂的撞击坑无法达到预期的检测效果。本文从撞击坑共有的圆形特征出发,充分考虑撞击坑特征表达上的多样性,提出一种基于差异分布的撞击坑自动提取方法。该方法以图像特征和机器学习算法为主要工具,首先利用HOG特征描述撞击坑的特征,然后利用TrAdaboost分类器进行自动检测,鉴于撞击坑之间存在不同程度的差异性,本文提出利用相对熵计算各数据间的差异值,选取一定容差范围内的数据作为训练样本,在增加样本数量的同时保证样本的质量,借以提高分类器的精度和算法检测效果。实验表明,本文所提出的撞击坑检测方法具有很好的识别效果和较高的检测精度,能够满足对月表尺寸较大且形态复杂撞击坑的提取要求。最后,利用神经网络原理对复杂撞击坑按照上述分类方法进行了自动划分类别的实验,并取得了较好的分类结果。