1.一种航天器目标快速识别方法，其特征在于：包括，

步骤1，对获取的航天器观测图像进行杂光抑制增强处理，得到所述航天器观测图像的恢复图像；

步骤2，对所述航天器观测图像的恢复图像进行特征点及特征信息的提取；所述特征信息包括所述特征点的不变矩特征信息和局部灰度特征信息；

步骤3，对所述特征信息进行优化处理，并通过语义分析和判别进行航天器目标的识别。

2.根据权利要求1所述一种航天器目标快速识别方法，其特征在于，所述步骤1包括：步骤101，根据下式对获取的所述航天器观测图像进行图像恢复，式中，y为所述航天器观测图像，为恢复图像，cos2γ是阴影系数，γ表示光轴和成像系统的夹角，SSTR是纯杂散光部分的点扩散函数，β为其权重系数；

步骤102，对纯杂散光部分的点扩散函数SSTR进行量化,并采用Frobenius误差度量量化形变引起的误差，然后根据下式得到矩阵式中，E为单位正交阵，Λy为对航天器观测图像进行特征分解得到的对角阵；

步骤103，采用K-L变换和小波变换对所述矩阵 的行和列进行去相关运算；

步骤104，对去相关后的矩阵 进行量化，并利用稀疏矩阵变换对量化后的矩阵 的行进行去相关，通过下式得到经过杂光抑制增强处理的所述航天器观测图像的恢复图像式中，W为二维正交小波变换矩阵， 为量化后的空变点扩散函数，Tk为根据吉文斯旋转定理得到的稀疏矩阵。

3.根据权利要求1所述一种航天器目标快速识别方法，其特征在于，所述步骤2包括：步骤201，对所述航天器观测图像的恢复图像进行候选特征点提取；

步骤202，利用SUSAN算子，对所述候选特征点进行区域分割，并对分割获得的候选特征点区域进行分析，去掉伪特征点，获得所述航天器观测图像的特征点；

步骤203，将所述特征点周围预设区域作为感兴趣区域，采用Sobe l算子提取感兴趣区域的灰度特征信息，即为所述特征点的灰度特征信息；

步骤204，以所述特征点为中心，求取所述恢复图像的归一化中心矩，并依据二阶和三阶的归一化中心矩，构造多个不变矩，所述多个不变矩构成一组特征量，所述特征量即为所述特征点的不变矩特征信息。

4.根据权利要求3所述一种航天器目标快速识别方法，其特征在于，所述步骤201包括：采用预设大小的窗口对每个像元逐一探测，分别以每个所述像元为中心，分别计算每个所述像元四个方向和相邻像素的灰度差的平方和，取四个所述平方和中的最小值作为该像元的兴趣值，同时计算四个所述平方和的中值，将所述兴趣值大于所述中值的像元作为侯选特征点。

5.根据权利要求3所述一种航天器目标快速识别方法，其特征在于，所述步骤202包括：以候选特征点所在的圆形区域作为SUSAN算子的模板，选取所述模板中构成候选特征点的最大的子域作为所述候选特征点的第一区域，而将其他子域视为单一的背景区域；将所述模板分为多个同心的圆，第一区域的特征点位置为圆中心；定义Si是第i个同心圆上第一区域的对应圆弧，对于每一个圆，则有：用计算信息量的方法获得候选特征点响应函数，将其定义为模板内像元n与平均信息量差的平方和，以模板内像元幅度值的累加值除以模板面积作为该模板的平均信息量gr(n)，其计算方法如下：其中，fk,l(n)表示内坐标(k,l)点的幅值，r表示圆形模板的半径，Ω表示模板的覆盖范围，特征点响应函数为：选取函数值最大的点作为特征点，其余的候选特征点作为伪特征点被除去。

6.根据权利要求3所述一种航天器目标快速识别方法，其特征在于，所述步骤203包括：将特征点周围预设区域作为目标图像的感兴趣区域，采用Sobe l算子计算感兴趣区域内每个像素点水平和垂直两个方向上的灰度梯度分量，获取感兴趣区域内每个像素点灰度梯度向量的幅值和幅角，即所述特征点的灰度特征信息。

7.根据权利要求1所述一种航天器目标快速识别方法，其特征在于，所述步骤3包括：步骤310，对所述特征信息进行优化，将所有高维特征数据映射到低维空间，获得优化后的特征信息；

步骤320，对优化后的特征信息进行K-means聚类得到k个聚类中心，每个聚类中心对应一个视觉单词，获取视觉单词w、所述航天器观测图像的恢复图像 及其潜在语义主题z所对应的联合概率分布，进而根据所述联合概率分布计算概率值步骤330，采用EM学习方法获取参数阈值，根据参数阈值来判别所述航天器观测图像的恢复图像 所属的语义信息；根据不同类型航天器目标图像，选择概率值 大于经验阈值的主题，识别航天器目标的类别。

8.根据权利要求7所述一种航天器目标快速识别方法，其特征在于，所述步骤310,包括：步骤311，利用K近邻算法求取每个所述特征点的k个近邻特征点，采用D i jkstra距离进行度量来保持各个特征点之间的几何特性；

步骤312，根据下式计算所述特征信息的局部重建权值矩阵：其中，xi表示第个特征点，xij为特征点xi的满足Di jkstra距离的第个近邻点，Wi是用特征点xi的近邻点对其进行线性重构时的表示坐标；

采用拉格朗日乘子法求局部最优化重建权值矩阵：

其中，Qi表示依据特征点xi和特征点xj构造的Gram矩阵；

步骤313，在条件 下，将所有高维特征数据映射到低维空间，获得优化后的特征信息；式中yi表示在低维空间中重构的特征点。

9.根据权利要求7所述一种航天器目标快速识别方法，其特征在于，所述步骤320,包括：对优化后的特征信息进行K-means聚类得到k个聚类中心，每个聚类中心对应一个视觉单词w；k个所述视觉单词w构成视觉单词表W；

基于pLSA语义模型，视觉单词w、所述航天器观测图像的恢复图像 及潜在语义主题z所对应的联合概率分布为： 而不包含未观测到的潜在变量z时的概率分布为：

根据联合概率分布关系 由上式可得 的概率表示为：

进而可以获得 的概率值。

10.一种航天器目标快速识别装置，其特征在于，包括：

图像预处理模块,用于对获取的航天器观测图像的进行杂光抑制及增强处理；

特征提取模块，用于对处理后的航天器观测图像进行特征点及特征信息提取；所述特征信息包括所述特征点的局部灰度特征信息提取和不变矩特征信息；

识别模块，用于对所述特征信息进行优化处理，并通过语义分析和判别进行航天器目标的识别。