基于特征融合的目标识别技术是战场探测系统中的关键技术之一。本文主要针对红外图像进行研究,包括红外图像的预处理、目标特征的提取及融合、分类识别等关键技术。在本课题的研究中,主要有以下几个方面的工作：(1)红外图像的预处理,对图像增强和阈值分割进行了研究。图像增强方面分别采用直方图均衡化和灰值形态学梯度算法,并比较了两个方法的处理效果；阈值分割方面,采用迭代阈值分割和最大类间方差方法,对这两种自动阈值分割算法进行了较为详细的描述,并比较了两种算法的分割效果；(2)红外图像的特征提取及融合,在红外图像特征提取方面,针对红外图像的几何特征、图像矩特征进行了分析及提取；在特征融合方面,就距离探测器较远和较近两种类型的红外图像的特点进行了分析,并针对其不同的特点分别提出了加权求和以及加权组合的方法进行特征融合。分别对提取及融合后的特征量进行了分析,均具有稳定性和可区分性的特点,为后面的目标识别打好基础；(3)分类器的设计,概述了分类器的设计中的一些基础知识,在对红外图像进行预处理和特征提取及融合的基础上,设计了最小距离分类器。通过对所提取红外图像目标的两类特征以及对两类特征进行融合以后的的特征分别进行了目标分类识别实验,表明融合后的特征的识别率要高于融合前的；也表明最小距离分类器的分类结果比较有效,可以作为分类器的技术选择。本文对预处理,特征提取及融合、分类器设计中的各个算法进行了仿真,并验证了这些算法的可行性。