由于红外图像自身的特点，使得对其进行检测和识别变得十分困难：首先目标成像距离一般较远，目标在图像中所占的像素较少；其次，由于噪声和背景杂波干扰使得目标信号变弱，以致淹没在强噪声背景中；最后，由于目标缺乏有效的纹理特征，使得可供检测和识别的信息很少。因此，对红外目标的检测识别进行深入研究有着重要的理论意义和实用价值。论文主要对不同机型的飞机红外图像进行检测和识别研究：首先，由于红外图像自身的特征使得对其进行分割具有一定的难度，通过实验对最大熵值分割法、模糊阈值分割法和自适应阈值分割法等几种阈值分割方法进行分析比较，可看出自适应阈值法适合进行红外图像的分割。针对研究对象特点与自适应阈值法分割图像的结果，选取边缘检测方法，采用Roberts算子、Soble算子和Canny算子对经过阈值分割处理后的飞机图像进行检测，通过对结果的比较可以看出， Roberts边缘检测算子适合对红外图像进行处理。其次，对红外图像的成像原理进行了研究，针对红外图像中目标与背景间的关系选取红外特征量长宽比、复杂度、紧凑度、部分最亮像素点数与目标总像素数的比值、均值对比度等组成特征向量进行红外图像的初步识别。最后，初步识别的过程中，已经将图像进行了简化，在此基础上采用SIFT算法进行精确识别，主要是排除粗识别中出现的误识别，此过程中由于图像简化，所以识别时间较直接采用SIFT算法有明显缩短。通过对仿真实验结果进行分析可看出，论文提出的采用红外特征量识别与SIFT算法识别相结合，识别时间缩短0.06s，识别准确度有了较大提高，达到98%以上。