传统的遥感图像信息提取是由专家人工目视解译完成，效率较低，不能适应快速增长的遥感图像信息处理需求。随着遥感技术及计算机科学的日益发展，遥感图像中感兴趣目标的计算机自动识别成为迫切需要解决的问题，如何提取目标特征是关键和难点所在。 形状特征是描述遥感图像感兴趣目标的主要特征之一，本文根据形状特征将感兴趣目标分为三类：(1)线状目标，如机场跑道、道路和桥梁等；(2)圆状目标，如油库、雷达和导弹阵地等：(3)团状目标，如航母、坦克、飞机等。本文主要研究这三类目标的形状特征提取技术，同时，由于特征点可以描述一些复杂目标的形状，如：飞机的轮廓上有很多角点，可用这些角点来描述飞机，因此特征点的提取算法也是本文的研究内容之一。 首先，介绍常用的直线特征提取算法，从HT公式的几何意义上分析，运用模糊映射取代一一映射，提出了一种改进的算法IHT：从累加器数组的特点出发，提出一种直线提取的快速算法FLDA，该算法大大降低了复杂度，可以满足实时性要求。 其次，针对传统的基于Hough变换检测圆的算法存在计算量大、空间复杂度高等缺点，提出一种改进的梯度模糊Hough变换算法。该算法首先利用梯度信息减少计算量，然后对边缘像素进行模糊映射，以减少峰值扩散和伪峰现象，最后针对Hough变换不考虑点间连通性的缺点设计去虚警算法。接着，从三个角度入手，本文研究了团状目标识别算法：(1)基于边缘提取的方法：(2)基于聚类的方法；(3)基于图像分割的方法。实验表明算法识别率高、虚警率低、速度快。 最后，研究特征点提取技术。介绍了两种常用的角点检测算法，Harris算法和SUSAN算法，还介绍了一种目前图像匹配中性能优越的算子--SIFT算子，最后针对飞机和舰船做了实验。