随着高科技术的飞速发展,计算机与红外摄像等技术己成为军事等诸多领域的研究焦点。但随着红外背景条件变得更复杂,干扰信息以及目标特性更加多样化等等,导致红外目标识别准确度与鲁棒性等各方面面临很大挑战,故仅考虑选择与提取比较单一的特征来描述红外图像目标性能,己远远不能实现目标的识别。本文将目标的全局颜色特征、局部运动特征和边缘这三种特征进行融合处理研究红外目标的识别。其中主要工作分为:(1)研究红外目标识别发展和现状,分析该领域如何有效解决由于红外背景条件恶劣、干扰信息以及目标特性千变万化等难控因素而产生的一系列难题。(2)在红外目标识别基本原理和方法的基础上,主要包括实现红外目标图像预处理,分析红外识别过程影响因素以及确定识别结果的评判指标,为后续目标特征的提取过程滤除较多无效信息数据,即最大程度地节省后续系列算法运行时间并简化操作过程,从而提高识别的实时处理等等。同时也更好地了解可能导致识别失败的影响因素,有针对性地进行红外目标识别算法的设计与调试,最终通过识别指标显示数据,进一步分析和验证其识别结果的有效性和可行性。(3)建立目标特征库并进行红外图像目标特征的分析与提取,主要有全局颜色特征、局部运动特征和边缘特征,并选择性地进行特征数据的融合处理。最终表明基于融合特征的识别算法确实可以大大简化其运算过程,也解决了使用单一特征量所遗留的重大问题。(4)设计基于特征融合的红外目标识别算法方案。基于目标做较稳态运动,目标形态近似不发生变化时,建立序列蒙特卡罗(粒子滤波)识别算法,并通过实验验证其识别应用性能,达到了识别耗时较短,识别鲁棒性能好的效果。设计粒子群优化自组织特征映射网络的目标识别算法,通过建立较全面仿真实验,解决了目标剧烈突变,目标外轮廓明显发生改变时,序列蒙特卡罗算法目标识别不准确,识别目标丢失等问题,达到了稳健、实时地检测并识别出目标物中心位置的目的,故而在红外目标识别应用领域更占有优势。