自动目标识别(Automatic Target Recognition,简称ATR)是机器视觉智能化领域的一个重要研究课题。本文从自动目标识别的研究思路上,采用分模块思想对典型的ATR算法进行研究、分析和实验。在一定条件下,满足实时性的同时解决了对特定图像的数据采集、数据存放、目标检测、目标识别、以及性能对比等问题。本文的研究内容包括：图像的采集、目标的检测、特征点的提取、目标的识别、算法的评价等。图像预处理中利用了中值滤波去除图像处理前与处理后的噪声点,然后利用对比度算法提高目标与背景的对比差值。目标检测采用多种分割算法提取多目标数据,利用行心定位提取后的区域。角点检测算法对图像进行角点检测,通过角点概率密度改进全局角点的计算时间问题。本文通过两种算法对于目标进行识别：1)改进的灰度值模板匹配算法；2)特征点匹配率识别算法。其中,改进的灰度值模板匹配算法的模板来源包括数据库已存在的标准数据和训练更新过程中的模板数据。特征点的提取主要利用特征角点因子得到HARRIS角点数据,通过计算角点匹配的匹配率与设定的匹配率阈值来判定识别目标。论文通过外场实验,实现了典型ATR数据的实验对比与分析的基础功能。对多种模块处理算法进行验证,并绘制2D比较曲线。为大型ATR数据实验平台提供了基本的思路参考,具有一定的实用价值。