红外图像的自动目标识别(ATR,Automatic Target Recognition)是模式识别领域中的一个重要研究课题,它在武器的精确制导中扮演着重要的角色并有着广泛的应用前景。其中,红外图像目标的特征提取和分类技术是自动识别系统中的难点和关键技术。研究红外图像目标的特征提取和分类技术对提高系统的识别效率和准确率,提高我方的生存概率都具有重要的意义。本文重点研究了红外图像目标的特征提取技术和多目标分类方法。作为特征提取的前提和准备,本文简要地介绍了基于阈值的红外图像分割方法,并对算法进行了实验仿真和性能比较。在图像目标的特征提取方面,首先,研究并总结了以主分量分析(PCA,Principal Component Analysis)法与独立分量分析(ICA,Independent Component Analysis)法为代表的线性特征提取方法和以核函数为代表的非线性特征提取方法。其次,针对传统ICA特征提取算法提取独立分量的无序性,本文提出了一种基于评估因子最小化的独立分量有序提取算法。实验结果表明,该算法能够优先选择类间差异较大的独立分量特征,从而实现了用少量特征对目标进行有效描述。在多目标分类方面,首先,总结了国内外包括最小距离、最近邻、K近邻以及支持向量机等多种主流的目标分类算法。其次,针对K近邻分类器在多分类中存在的二义性问题,提出了Hadamard纠错码与K近邻分类器相结合的多目标分类算法。仿真结果表明,该算法具有较强的抗误分能力,进一步提高了多目标分类的准确率。