自然场景和复杂背景下的自动目标识别(Automatic Target Recognition, ATR)技术在自主机器人控制、医疗诊断设备,安全监管系统、以及各种精确的自主武器装备中都占有至关重要的地位,其中图像识别系统有着最广泛的应用。在图像识别系统中,目标分割与特征提取是目标得以正确识别的关键,稳定、高性能的硬件系统又是算法高效执行的基础,所以适用于ATR系统的复杂背景下目标分割技术及ATR硬件系统的实现是本文的研究重点。基于水平集(Level Set)的分割方法,不仅可以提取出目标所在区域,而且在完成分割的同时可以轻易提出目标的各种几何参数(边缘曲率、周长、面积等)。和以往的主动轮廓方法比较起来,水平集方法可以很好地解决轮廓演化过程中的拓扑变换问题,同时它也有比较稳定的数值解法。但是目前的水平集方法均不适用于本文的应用场合,基于边缘的方法易受杂乱边缘的干扰且当图像过渡平滑时分割不够准确,基于区域的方法虽然稳定,但是需要图像满足全局平滑的假设。本文提出的局部水平集方法只需一定的先验初始位置信息,就可以在局部范围内自动分割目标,避免其他区域的复杂背景对分割的干扰。同时将图像的边缘特征引入计算,当图像中目标存在明显边界时算法收敛更快,在曲线演化过程中让区域信息起主导控制作用,边缘特征起辅助作用,避免杂乱边缘对分割结果的干扰。本文还详细说明了局部水平集分割方法的具体实现。针对ATR系统图像处理计算的特点,本文设计了一种基于DSP+FPGA结构的图像ATR硬件系统,满足实时、稳定的系统性能要求。文中对该硬件系统的设计进行了详细的说明,包括硬件系统结构,芯片选型,关键电路的设计,FPGA逻辑。并说明了局部水平集方法在该硬件系统中的并行实现。