目标识别在工农业生产、国防建设中具有极其重要的地位,目前目标识别的算法常用的有两种,一种是由下而上的数据驱动型策略,即不管目标属于何种类型,一律先对原图像进行一般性的分割、标记和特征抽取等低层次处理,然后将每个带标记的已分割区域的特征矢量与目标模型相匹配;另一种是由上而下的知识驱动型策略,即先对图像中可能存在的特征提出假设,根据假设进行有目的地分割、标记和特征抽取,在此基础上与目标模型进行精确匹配.该文采用后一种方法,对水上桥梁和乡村道路网进行识别.在前人的基础上,该文进行了大量的算法验证,并提出自己的算法,其稳定性和实时都很好,识别的效率也较高.该文先对水上桥梁、乡村道路网识别分别概要介绍了两种方法,并指出其优缺点.做桥梁识别,进行图像分割的时候,该文结合了自适应阈值选择算法与迭代阈值选择算法的优点,提出了自适应迭代阈值选择算法,同时把红外图像中的方差图引入到可见光图像的处理中;在图像中提取直线的时候,对Hough变换进行了一些改进,同时针对其不能定位的缺点,使用了把变换域得到的信息反推到图像域的方法,解决了这个问题.做道路网识别,处理边缘时,该文提出了利用曲线的模式来解决曲线配对问题,同时提出了使用区域边缘互相验证来增强识别可信度的思想.