导弹在制导的过程中,由于成像器受目标与镜头间存在的相对运动、镜头散焦与高速飞行中大气湍流的影响,会出现图像模糊的情况。图像模糊会导致武器目标识别正确率的下降。因此,提高图像模糊条件下的目标识别能力成为了精确制导武器性能发挥的关键。本论文则是在这样的背景下研究在图像模糊情况下通过提取图像中的模糊不变特征来对目标进行识别。论文首先阐述了基于模糊不变特征提取的模糊图像下目标识别研究的背景与意义,以及其国内外的研究现状。然后分别从纹理与结构两个角度对图像模糊不变特征提取进行了研究。在纹理模糊不变特征提取方面,针对LPQ特征提取的纹理模糊不变信息较为粗糙的问题,提出了一种基于VLAD的改进LPQ特征,该特征通过稠密采样,充分提取图像局部的纹理不变信息。通过结合VLAD编码方法,将局部块的LPQ特征统一聚合编码为最终的改进LPQ特征。在结构模糊不变特征提取方面,论文提出了一种改进的HOG特征。该特征通过去除弱梯度在图像模糊情况下对HOG特征带来的干扰,并与原始HOG特征进行融合,有效的在增强特征模糊不变性的同时保持对图像的较强描述能力。最后,我们将提出的改进纹理特征与结构特征进行融合,得到最终模糊不变特征,并将该特征运用到实际的模糊图像识别中。为了验证论文所提出的特征的有效性与通用性,本文在多个数据库上对所提出的特征进行了实验。数据库包括可见光与红外光图像,并同时采用了多种图像模糊。实验结果表明:论文所提出的特征在多种图像类别,多种图像模糊下均能取得较好的识别率。其速度快,效率高,可以很好的在模糊图像情况下对目标进行识别。