本书主要针对的是民用无人机, 热气球等空中飞行目标, 对公共安全造成的威胁。本书着眼于无源光学系统, 提出了一种基于粗糙集和模糊神经网络的分类算法来实现对数字图像中目标的识别, 同时为获得更简洁的神经网络以提高识别的实时性提出了一种用蚁群算法来对连续属性离散化的区间进行选择的方法, 为系统提供识别理论基础。设计并实现了一种基于3 DSP＋FPGA的嵌入式硬件处理架构, 采用多任务并行流水线技术。对空中飞行目标的探测、识别和追踪显得尤为重要, 这对其处理系统提出了更高的要求。它既要有低的虚警率和漏警率, 又要有识别和反应的实时性。随着光学硬件, 计算机硬件、算法和网络技术的发展, 无源光学图像处理系统作为新一代空中实时目标识别技术, 更灵活, 更可靠, 在民用和军事中有着广阔的应用前景。实验结果证明, 系统的算法及硬件设计满足了实时对空中飞行目标探测和预警功能。