目标识别技术是人工智能的一个重要领域。每个目标都有独特的特征,将这些特征提取出来进行区分,达到对不同目标识别的目的。基于传统成像的目标识别技术很难在非常规情况下(如大气湍流扰动、雾霾天气等)发挥作用。鬼成像的抗散射性和成像非局域性,可实现无透镜成像、单像素成像等特点使其在特定领域比传统成像更具优势。本文通过分析鬼成像理论,对鬼成像实用化问题进行探索,将鬼成像应用于目标识别领域,使识别系统可以在特殊环境下运行。对比了几种特征点提取算法的识别率,选用ORB特征点匹配算法进行识别。由于特征点提取算法对噪声敏感,首先采用高斯滤波和阈值滤波的方法对鬼成像进行预处理,提出了一种基于层次分析法的阈值选取算法。建立了图像样本库,对鬼成像进行样本训练,提高系统的识别能力。通过仿真实验验证了算法的可行性,以三种不同字体的数字作为目标,对不同信噪比的鬼成像进行识别。仿真结果表明,当图像信噪比为0.9时,算法的识别率可达到90%以上。如果字体特征明显,识别率会进一步提升,最高可达96%。随着鬼成像信噪比进一步提高,识别正确率逐渐趋于平稳,根据字体不同,识别率最终稳定在96%～100%。以白光为光源搭建鬼成像实验光路,以34个不同数字和字母作为目标进行识别。实验结果表明,对目标进行1000次鬼成像采样,使用80X34幅样本图像进行样本训练,目标识别率可达到96.62%,显著提升了鬼成像系统的识别能力,并且具有抗散射和旋转缩放不变的特性。