在图像分析和处理中,人们往往只对图像中的某些部分感兴趣,这些部分通常称为目标或前景,一般对应于图像中具有特定性质的区域。图像分割就是将一幅图像划分成若干个互不相交的区域,从而将目标从复杂的场景中提取出来的技术。图像分割的结果是图像特征提取和识别等图像理解的基础,在计算机视觉、遥感乃至军事工程等领域都有着广泛的应用。基于图论的GrabCut算法是效果很好的图像分割算法,但是需要用户手工进行初始区域的框选操作,且初始区域的选择直接影响到图像分割的准确性。本文提出了一种基于视觉注意机制的GrabCut图像分割方法(VA-GrabCut),解决了原始GrabCut算法依赖于人工交互的问题。首先,使用视觉注意机制生成图像的显著图作为分割的初始候选区域,代替手工框选操作。然后结合GrabCut算法完成图像的精确分割。在算法中通过选取最大连通区域以获取更准确的目标区域,并利用边缘补偿优化操作避免了过分割现象。最后使用真实场景图片与虚拟场景图片对算法效果进行了验证,结果表明VA-GrabCut算法具有良好的分割效果。结合图像特征及神经网络原理,提出了一种基于AlexNet的深度卷积神经网络作为可训练的图像特征提取与分类器,对图像中的目标进行识别。在网络设计中对输出端的Softmax分类器进行了修改,使其可以对仿真所需的飞机、导弹、坦克、汽车以及行人5类目标物体进行分类识别。将VA-GrabCut算法提取的目标区域作为训练及测试集,在Caffe平台上对修改后的网络进行了试验。实验结果表明,通过微调训练后的网络对上述5类目标图像识别的平均准确率达到了71.9%。基于深度卷积神经网络对图像识别的结果,结合红外热辐射特性理论生成了5类目标在不同波段下的红外模拟图像。首先对目标所在场景进行红外辐射建模,依据图像标识结果,赋予不同类别目标物体相应的红外辐射参数。然后,根据预设环境数据,分别计算出每一类目标物体在近红外、中红外以及远红外3个波段下的总体辐射出射度。最后,经过灰度转换生成相应波段的仿真红外图像。本文通过基于视觉注意机制的VA-GrabCut算法自动分割出目标区域,然后利用卷积神经网络对目标图像进行识别,最后根据目标的材质对识别出的目标进行红外图像仿真,为图像分割以及红外图像仿真的研究提供了较好的参考价值。