随着光电子、智能控制、模式识别和计算机视觉技术飞跃发展，自动目标识别技术(ATR)在现代武器系统中的作用日益突出。基于图像不变量的特征提取方法，一直是ATR的关键技术之一。本文在对目标识别、图像处理等理论研究的基础上，针对图像目标的不变量特征进行了总结和拓展。论文以飞机为研究对象，完成了从目标图像特征提取到分类的一系列ATR关键技术研究，为飞机成像自动识别技术提供了有价值的参考。论文主要贡献如下：1、对飞机识别中用到的图像不变量，包括全局不变量和局部不变量，进行了系统的总结；2、以往的飞机识别，大都基于已知目标是飞机的前提下，对飞机机型进行自动判别。实际应用中，目标的类型往往是未知的，成像自动目标识别系统无法事先自动获知传感器采集目标是否是飞机。因此，为解决在一系列目标中能够自动检测出飞机，提出了一种基于模糊C均值聚类的改进词袋模型算法；3、提出了对飞机目标进行二级自动分类的识别框架：粗分类和精分类。粗分类采用上述的改进词袋模型算法，检测出飞机目标；精分类采用通用的不变量特征提取方法，结合智能型分类器：传统神经网络或支持向量机，进行飞机机型分类；4、针对三种全局不变量：Hu矩，仿射矩，归一化傅里叶描述子，结合支持向量机分类器，进行识别效果对比。在此基础上，将三者进行特征级融合，形成一种新的组合不变量：矩-傅里叶描述子。同时，为解决特征分量之间取值范围较大的问题，研究了四种不同的特征量归一化方法，分别与传统神经网络和支持向量机结合后的分类效果，进而提出对图像不变量特征选用归一化方法的具体原则；5、提出了一种新的局部不变量： SIFT顺序尺度。分析了SIFT顺序尺度的不变性。仿真实验验证了在清晰、加噪、遮挡条件下所提出的SIFT顺序尺度不变量，对比于仿射矩、多尺度自卷积的高识别率性能；6、针对特征级融合时，特征向量维数较大，部分较差特征甚至还会降低识别系统识别率等问题，提出采用决策级融合方法进行机型判别：对同一幅飞机图像，选取不同类别的不变量，构造多个分类性能较优的单分类器，按照自适应权重投票法，进行多分类器融合判别，去实现较为通用的飞机图像自动识别系统；本文虽然是以飞机目标为研究对象进行图像识别研究，但所提出的技术具有通用性，很容易推广到运动刚体目标的图像识别中，如卫星识别，导弹识别,舰船识别，地面车辆识别等。