天基光学监视系统具有覆盖范围广、不受国界约束、全天候等优点,是应对空天威胁保卫国家安全的“太空哨兵”。随着系统结构和功能的发展,天基光学监视系统的信息处理面临诸多挑战,对其中的目标检测和识别进行研究具有重要的前瞻意义。本文以天基光学监视系统应对复杂空天威胁为研究背景,围绕弱小目标检查前跟踪、扩展小目标检测和跟踪、单星条件下的助推段光学被动测距和中段目标识别方法中的难点及关键技术进行研究,主要的工作和取得的研究成果介绍如下:第二章研究了弱小目标的检测前跟踪。弱小目标信噪比较低通常堙没在背景杂波中,检测前跟踪被认为是探测弱小目标的有效方法。本章将标签多伯努利滤波器引入检测前跟踪领域,提出了基于标签多伯努利滤波的线性运动目标检测前跟踪算法(LMB TBD)。考虑到机动目标具有运动模式不确定性问题,进一步将交互式多模型方法与线性运动目标检测前跟踪算法相结合,提出IMM-LMB TBD算法以实现对机动目标的稳定检测前跟踪。本章所提方法既继承了标签多伯努利滤波器轨迹级滤波的特点,同时又能够在较低的信噪比下实现较高精度的多弱小目标跟踪。第三章研究了变尺度小目标检测方法。扩展目标中变尺度小目标的形状与传统点目标相似仍为圆斑状,但目标尺度不固定,在一定空间内变化。本章方法采用先确定目标尺度再进行目标确认的思路。设计了一种最优目标尺度搜索滤波器,然后结合形态学滤波和局部图像信噪比实现最终目标检测。对变尺度小目标,所提方法能够更准确地估计目标尺度、更好地抑制背景,从而获得更高的检测率和更低的虚警率。第四章研究了扩展目标中的复杂形态小目标检测和跟踪方法。复杂形态扩展小目标不仅目标尺度可变,且形状可为任意形状。本章结合块稀疏分解和标签多伯努利跟踪器提出基于自适应块稀疏的联合检测和跟踪方法。检测环节主要通过块稀疏分解实现,分解过程中依据局部图像复杂度和标签多伯努利跟踪器提供的目标存在概率对各块进行自适应加权。跟踪环节对标签多伯努利跟踪器进行改进,从分解所得的目标图像中提取运动方向信息将传统2D目标量测扩展为增加运动方向信息的3D量测,实现了更加稳健的跟踪。为了降低多扩展小目标跟踪的计算量,本章还根据扩展小目标的特点进行区间量测建模,分别针对线性运动目标和机动目标以箱粒子的方式实现了标签多伯努利跟踪算法和交互式多模型标签多伯努利跟踪算法。相比于传统点粒子方法,箱粒子方法能够以较快的速度实现多扩展小目标跟踪。第五章研究了光学观测条件下的助推段被动测距和中段目标识别方法。在助推段,估算的目标轨迹参数是天基光学监视系统的重要输出指标。其对目标识别分类、引导后续装备继续监视或拦截都有重要意义。而此类指标精度都严重受限于目标距离测量能力。为了提高单星条件下的参数估计精度,本章提出了天基条件下利用氧气A吸收带进行光学被动测距的方法,并利用MODTRAN软件对不同大气模型、不同气象条件、不同信噪比和不同视角下的测距能力进行了仿真分析。对于中段目标识别,针对神经网络识别方法面临的样本序贯更新和样本比例不均衡问题,对经典极限学习机进行改进提出了加权序贯极限学习机,仿真实验验证了所提方法的性能。