随着制空权在现代战争中起到越来越重要的作用，精确打击敌方地面停放的飞机具有十分深远的军事战略意义，因此迫切需要精确制导武器系统具有实时准确地检测停机坪上停放的飞机并进行种类识别、有选择地对高价值的军事飞机进行摧毁打击的能力。但是，停机坪上的红外飞机识别技术由于图像噪声和飞机姿态、尺寸信息的不确定性等影响，其性能很难得到保证。针对该问题，本文提出了一种新颖的基于显著性与卷积神经网络的飞机识别算法。　　本算法包括离线学习与在线识别两个阶段。在离线学习阶段中，使用飞机样本训练集对卷积神经网络的参数进行训练学习。而在线识别阶段具体包括检测和识别两个环节：在检测环节中，通过引入视觉显著性概念，在红外图像中对飞机区域进行检测，克服了现有飞机检测算法检测精度低的问题；识别环节中，基于“先矫正、后识别”的算法框架，首先利用低秩纹理技术对各种姿态的飞机样本进行姿态校正，随后采用离线学习阶段得到的卷积神经网络对飞机类型进行识别，改善了现有飞机识别算法性能不稳定的问题。　　此外，在四个实时红外飞机图像序列上，将本算法的检测环节与现有基于灰度、基于边缘的飞机检测算法进行了实验对比，同时将本算法的识别环节与基于不变矩、基于PCA矫正的识别算法进行了比较。结果表明，本算法的检测率、虚警率以及识别率这些性能均达到了现有的最优水平。