红外制导系统具有全天时工作、探测距离远、机动灵活等优点,在现代战场上发挥着越来越重要的作用,已经成为现代战争首选的精确制导系统之一。在复杂的探测过程中,除了云雾等自然干扰遮挡目标外,烟幕弹、诱饵弹等人工干扰也会导致目标检测位置发生偏离,影响红外制导系统的探测性能。为了提高作战能力,需要对红外导引系统的抗干扰能力展开研究,而合理评估当前红外场景的受干扰程度对研究红外制导抗干扰问题有很大的价值。本文提出面向目标识别的红外成像干扰仿真与分级方法,首先介绍了红外成像及典型干扰的作用原理,通过建模仿真软件与C++编程实现了干扰仿真的流程,并结合具体物理参数得到了不同干扰类型、不同干扰强度下的红外图像数据。本文提出了基于指标加权的干扰分级方法,首先在图像领域提取了多个基于图像质量及图像纹理的指标,并通过仿真得到的红外干扰图像验证了所选指标的表征能力,建立了干扰物理参量与图像分级指标之间的联系。通过搭建反向传播神经网络,采用数据拟合的方式,通过模型训练合理分配各个指标的权重,最大化发挥每个指标的表征能力,建立了干扰分级模型,得到图像分级指标与干扰强度等级之间的映射关系,从而得到干扰物理参量与干扰强度等级之间的直接关联,并依据具体仿真实验数据验证了分级模型的有效性。本文对红外成像干扰仿真与分级方法进行研究,建立了红外干扰分级模型,输入实际红外干扰图像,能够直接确定红外场景的受干扰程度,对研究红外制导抗干扰问题有很大意义。