随着空间遥感对地观测技术的发展，不仅能够获取包括雷达信号、光学图像等传统类型的目标信息，更使得获取蕴含着表面光学特性和三维空间结构属性的目标立体信息成为可能。遥感立体信息颠覆了传统遥感信息的观念，在保留了目标表面材质与环境因素综合反映出的光学特性信息基础上，更强调目标在三维空间的存在感，更真实的反映目标的本质属性，这是一种从之前仅仅视觉可见到如今已经触手可及的变革。充分地获取和分析目标遥感立体信息，能够从根本上解决传统遥感信息由于对目标描述能力不足而导致的诸多应用难题。深入挖掘目标立体信息的应用潜力，将能大幅提升包括城市规划、地理勘探、防震减灾以及军事侦察等领域的执行效力，对国民经济发展和国防建设有着极为重大的意义。因而，研究并建立一套完整的遥感立体信息处理理论体系迫在眉睫，而目标立体信息的优化获取、立体特征提取和目标识别三项技术分别对应着立体信息的获取、分析和应用过程，是该体系中实现立体信息应用价值的关键环节。不同于一般的遥感地物分类，目标识别更强调相似目标之间的精细区分，因而对目标特征的描述能力和分类器性能的要求更高。而针对立体信息的优化获取和特征提取决定着对目标的描述能力，分类器的优化是改善其性能，提高目标识别率的关键。可见，解决相应技术难题将为完善遥感立体信息处理理论体系做出不可磨灭的贡献。首先，目标遥感立体信息可分为表面三维结构信息和表面光学信息两部分。针对目标遥感立体信息的表面光学信息部分获取的充分性(完整且高质量)问题，本文提出了一种多角度立体信息优化获取方法。该方法的出发点是利用多个观测角度观测，针对观测点数量和各观测点的观测角度两方面进行优化，以减少由于观测角度不足或不当而造成的立体信息损失。而针对该优化问题难以构建目标函数的问题，提出了多角度目标立体信息获取充分性评估模型。该模型能够有效描述在不同的多角度观测方式下，目标立体信息获取的充分性情况。进而，采用人工蜂群算法求解该多变量优化问题。实验表明，本文方法能够针对不同类型的目标，获得高效的多角度观测方案，即确定能够充分获取目标立体信息的观测点数和各点的观测角度。经验证，在优化后的观测方案下获取目标立体信息的充分性显著提高。其次，在目标立体信息充分获取的基础上，目标立体特征提取技术是从所获取立体信息中挖掘能够有效表征目标关键属性的描述量，是提高目标识别率等应用的关键。针对传统特征对目标描述能力不足问题，提出了囊括目标光学特征和三维特征的目标遥感立体特征。重点针对传统遥感三维特征提取技术无法充分描述目标三维结构的问题，基于球谐函数理论，提出了面向目标遥感三维结构信息的球谐描述子特征提取方法，并进一步提出遥感三维结构信息的3D-Zernike描述子特征提取方法，解决球谐描述子在应用中存在分解球面半径难以选择、数据量大、误差敏感等问题。球谐描述子与3D-Zernike描述子能够充分描述目标三维特征，有利于描述不同三维结构的差异性；且具有三维空间旋转不变性，有利于描述不同坐标系或不同朝向的相同目标的一致性。通过实验比较分析了本文三维特征提取技术的优越性。此外，分析验证了目标表面光学特征对三维特征的重要补充作用，证明了立体特征能够有效增大目标之间的类内相似度和类间差异度，通过立体特征为高相似度之间的目标识别提供了更可靠的线索。最后，目标识别技术是根据所提取的特征对目标类别进行准确判别的过程。针对基于传统特征难以解决的高相似度目标识别的问题，本文一方面提出基于高性能立体特征的目标识别方法，以提高高相似度目标识别时的识别率；另一方面，提出基于人工蜂群算法的分类器优化方法，解决基于低性能的立体特征进行识别时，常规的分类器参数设置难以保证识别率的问题，该方法通过优化支持向量机的参数向量，调整广义最优分类面的位置，实现分类器性能的提高。进一步地，提出一种基于动态蜂群算法的支持向量机参数优化方法。该方法在面对多类目标识别时，能够有效改善由于待优化参数向量维数较大，导致的优化收敛慢和求解质量差的问题。通过实验验证了本文提出的分类器优化方法能够改善分类器性能。尤其是对于多类目标识别问题，相比于传统群智能优化算法，本文方法大幅提高了参数优化效率，有效的改善了分类器性能，从而为提高目标识别率提供了可靠保证。值得注意的是，本文研究突破传统遥感信息处理中以场景为对象的思路，而是完全针对目标个体，不但顺应了遥感信息的精细化、立体化的发展趋势，更为未来遥感立体信息处理理论体系的发展提供了依据。