随着科学技术的不断发展，自动目标识别(ATR)系统在现代武器系统中的作用越来越明显。特征提取是目标识别中必不可少的步骤，其相应的方法也很多。不变矩特征具有平移、旋转和比例不变性等优点，因此在目标识别中得到了广泛的应用。本文的主要工作如下： 1．介绍了传统的几种不变矩的概念，并对它们进行了系统的分析与比较，给出了它们的优缺点。 2．针对传统的几种矩的缺陷：对有噪声的图像的识别效果不理想；Zernike矩虽然有比较好的识别效果，但计算量大。本文引入小波矩不变量的概念并用于飞机图像的识别中，仿真结果表明，其识别效果和计算量均比较满意。 3．针对小波矩不变量特征维数比较多的情况，本文采用结合离散度和顺序前进法的特征选择方法，先离线选取一组较优特征量。再将这组特征组用于飞机在线识别中，取得了较好的效果。 4．针对标准的BP神经网络常因收敛速度太慢而影响求解质量的问题，我们选用动量法和学习率自适应调整相结合的改进的BP神经网络作为分类器，从而提高了学习速度和识别率。