自上个世纪二次世界大战结束后,越来越多的国家意识到战争中对信息获取能力的重要性,因此对信息的获取提出了非常高的要求。在这样的背景下,雷达自动目标识别(ATR)这一新的方向诞生了。合成孔径雷达(SAR)与逆合成孔径雷达(ISAR)的发展为(ATR)的发展提供了非常有力的支持,它们可以实现目标的远距离成像,得到不同姿态下的目标图像,能够提供出目标的结构特征,因此,非常有利于实现目标的特征提取和识别研究。本课题基于仿真的飞机目标ISAR像,重点的研究了ISAR图像的特征提取和分类识别部分。主要的工作内容如下:　　首先,在ISAR成像算法的原理上,我们建立三种飞机目标的散射点模型。然后在三种飞机目标三维散射点阵模型的基础上,我们利用距离——多普勒(RD)算法对这三种飞机目标进行成像,获取飞机在不同成像角度下的ISAR图像,这些ISAR图像就组成了我们进行识别研究的数据库。　　其次是特征提取过程,也是本文的重点研究部分,以消除目标与成像平面的仿射变换作为理论基础,提出了一种新的方法——仿射投影距。同时为了横向对比特征的稳定性和高效性,本文还使用了其他两种特征提取方法,一种是Hu不变矩,Hu不变矩是一种非常经典的图像特征提取方法,它提出的7种特征稳定性非常好;另一种是小波奇异值,小波奇异值是近两年提出的新的方法,主要是利用小波分析的基本原理,提取出ISAR图像中经过二维离散小波变换后的4个子图的奇异值,这些奇异值就组成了目标识别的特征。　　最后,针对目标识别阶段,本文选取了两种经典算法:最近邻法与神经网络。分别介绍两种分类算法的基本原理,并分析了最近邻法的错误率的上下界。而且利用上面叙述的三种特征进行识别分类,查看不同情况下的目标识别率,并针对这些识别结果分析仿射投影距与其他两种特征的各项性能。