随着科学技术的高速发展，目标识别技术在民用、军用等领域都取得了非常广泛的应用。本文结合红外传感器与可见光传感器各自的优点，采用模糊支持向量机（Fuzzy Support Vector Machine, FSVM）的算法理论，构建了基于FSVM的红外及可见光目标识别系统。FSVM理论体系完善，它是建立在统计学理论、VC维（Vapnik-ChervonenkisDimension, VC）理论等知识的基础之上的新兴的机器学习理论。采用FSVM算法作为目标识别系统的识别算法能够达到较高的分类准确率。本论文主要内容是在数字图像处理理论的基础上，结合FSVM的理论与算法，对基于FSVM的红外及可见光目标识别系统进行了详细的研究、设计与开发。主要实现了目标识别系统的图像预处理模块、特征提取模块、数据库管理模块、识别模型训练模块以及目标识别模块。开发过程中针对目标识别系统各模块中存在的问题，提出了一些具有针对性的切实有效的改进方法，主要有：图像预处理过程中在大津（OTSU）算法的基础之上对所求阈值进行了调整，改善了分割效果；针对K-means算法中的一些固有问题，对算法进行了一些必要的优化，改进了初始聚类中心的选择策略，并针对聚类结果中的噪点区域提出了一种区域合并策略进行处理；结合Libsvm工具包，对现有的分类函数进行了改进，加入了模糊隶属度函数，构建了FSVM识别算法，并对序列最小优化算法（Sequential minimal optimization, SMO）算法进行了编程实现；考虑到实时性的要求，系统采用C++语言进行开发设计，使用Visual C++6.0环境进行编译运行，实现了基于FSVM的红外及可见光目标识别系统的开发。本文通过实验对基于FSVM的红外及可见光目标识别系统的运行情况、识别速度、识别精度等内容进行了验证。实验结果表明，基于FSVM的红外及可见光目标识别系统运行情况稳定，系统对红外和可见光目标识别速度满足实时性要求，识别精度良好。具有较好的实用价值。