随着图像处理、模式分类和人工智能的迅速发展，自动目标识别(AutomaticTarget Recognition，ATR)系统已成为现阶段和未来武器的主要组成部分。飞机目标识别作为ATR系统的重要领域之一，其在自动监视与侦查、精确制导和敌我身份识别等方面都有着重要的应用。在飞机自动目标识别中，由于飞机姿态多变、缺损和遮挡等原因导致正确识别率低下，本论文针对这些问题，利用特征信息与序列信息，对飞机飞行过程展开深入研究，主要工作如下:　　在对主流的飞机目标算法研究的基础上，引入广泛应用的隐马尔可夫模型(Hidden Markov Model，HMM)对飞机飞行过程建模，并利用多特征融合构建观察值序列，提出一种基于DSmT(Dezert-Smarandache Theory)理论和隐马尔可夫模型相结合的多特征序列信息融合(Multiple Features and Sequential InformationFusion，MFSIF)飞机目标识别算法。本算法的特点在于:一、提取飞机目标的Hu矩特征和奇异值特征作为图像特征。二、利用概率神经网络(ProbabilistieNeural Network, PNN)作为分类工具，并构建基本信度赋值(Basic BeliefAssignment, BBA)，再利用DSmT理论对图像的不同特征进行多特征融合从而获得目标观察序列。三、对于获得的目标观察序列，利用隐马尔科夫模型对飞机序列信息进行融合，计算观察值序列与各个隐马尔可夫模型之间的相似度，从而完成多姿态变化的飞机目标识别。　　最后，通过对序列飞机目标的仿真实验，表明本算法在飞机姿态发生较大的变化时，甚至飞机序列帧发生遮挡的情况下，依然可以保持较高的正确识别率，同时在实时性方面，本算法也满足飞机目标识别的要求。