本文主要研究基于图像处理的运动目标姿态识别技术方法。目标识别在军事、自动化、民用领域方面等都有广泛的应用前景,如空中目标的预警防御和攻击、空中交通监控等。而运动目标检测是利用数字图像处理技术获得准确的运动目标,特征提取是目标识别的一个重要环节。其中,特征提取的有效程度直接影响到目标识别的准确度,而且,分类器的选择和参数优化对识别精度也有很大的影响。本文主要研究了天空中简单背景下飞机目标的检测与识别方法。文章首先探讨了小波和小波包的基本原理,鉴于天空中的运动目标易受外界噪声干扰等因素的影响,选取了一种针对性的解决方案。和传统的Canny算子边缘检测方法相比,提出了小波包Symlet函数和基于局部统计的可变阈值相结合的边缘检测方法,可以有效的提取出图像细小边缘特征,并对其进行二值化处理。然后使用改进的光流法通过分析连续两帧飞机图像,来获得光流场,从而检测出飞机目标的运动区域。研究中考虑到飞机目标的中心、尺寸、形状特征、机长翼展比、同底三角形面积比等不同几何特征,文中提取飞机目标相对应的特征构建特征向量,基于该特征向量分别利用k-近邻、贝叶斯、线性判别分析和支持向量机来对飞机目标进行训练从而获得稳定的模型,然后对飞机目标进行分类识别,验证了基于核函数的支持向量机提取特征向量的有效性。最后使用霍夫变换的线检测来检测机轴的位置,从而确定飞机在二维空间中的姿态变化。仿真结果表明,文中提出的小波包Symlet函数和局部阈值相结合的边缘检测方法能有效地提取出图像细小边缘特征,改进的光流法对于运动目标的检测具有较好的检测率,并且基于核函数的支持向量机分类对于提取出的几何特征向量也有较高的识别率。