随着雷达技术的不断发展,逆合成孔径雷达(ISAR)成像分辨率得到了大幅度提升。对于一般由典型结构组成的大尺寸空间目标,其所成的高分辨率ISAR图像能够呈现出目标精细的结构信息,利用这些结构细节信息可以实现对空间目标典型结构组成类型的判别,进而有效辅助空间目标的监视与识别。为了实现对典型结构类型的识别,借鉴基于模型的雷达图像识别思路,开展了基于模型的ISAR图像空间目标典型结构类型识别技术研究。在该研究过程中,需要解决的问题主要包括:典型结构的分割、典型结构的姿态估计、典型结构特征的提取以及合适的匹配法。针对上述问题,本文开展了以下研究工作:分析了空间目标ISAR图像特性,利用空间目标组成结构的分布特点提出一种基于CLEAN的空间目标典型结构分割方法。首先利用自适应区域生长法完成了空间目标本体的分割,然后通过基于感知编组思想的迭代相关聚类法实现了子部件之间的分割,最后利用实测图像及仿真图像验证了该分割方法的有效性。建立了空间目标典型结构ISAR图像几何投影模型,根据投影模型提出一种基于线特征差分投影的二维姿态估计方法。该方法主要利用了典型结构的对称特性,通过提取ISAR图像中典型结构的轴线特征,建立其在实测ISAR图像和姿态估计值下的仿真图像中的二维差分投影,将线特征投影检测的绝对误差转化成相对误差,从而有效减小了线特征投影检测误差对姿态估计的影响。仿真实验对姿态估计方法的有效性进行了验证。简化了属性散射中心模型,保留了主要的空间目标电磁散射特征参数,通过图像域解耦的方法完成了参数估计并进行了仿真实验。根据估计的参数特征,利用点与区域匹配的方法进行典型结构的类型判别,对于由匹配结果无法直接完成识别的情形,引入了频率依赖因子的相似度度量,通过比较频率依赖因子的相似度完成最终的类型识别结果。仿真实验对该识别方法的抗噪性及角度稳定性进行了验证。