与可见光成像相比，红外成像具有穿透力强、隐蔽性好、不受光照以及天气条件的影响等优点，在军事和民用领域都得到了广泛的应用。但是红外图像本身也具有一定的缺点，例如：低信噪比、低对比度以及图像模糊等。因此，对红外图像中目标进行自动识别成为红外图像处理领域的一个难点，同时也是研究的热点。红外图像中目标的识别是一个复杂的过程，涉及到图像处理中的各个环节，本文主要做了如下研究工作：1．针对红外图像噪声较多的问题，研究了几种常用的红外图像去噪方法。在图像分割阶段，对于方差加权信息熵方法在感兴趣区域检测阶段存在的重复检测、计算量大等问题，提出了一种新的感兴趣区域检测方法。首先对原始红外图像进行超像素划分，图像中存在的多个目标被完整的划分到不同的超像素块中；然后对超像素块进行方差加权信息熵的计算，检测出包含目标的感兴趣区域；最后完成图像的精确分割。2.在红外图像的目标特征提取阶段，研究了几种常用的红外图像目标特征提取方法，并详细研究了目标的梯度方向直方图（HOG）特征。针对HOG特征向量维数太大的问题，本文提出一种分层降维的HOG特征提取方法，该方法有效的降低了提取的特征向量维数，减少了特征提取和后续识别过程的计算量。3.研究了常用的特征分类方法，并采用支持向量机的方法实现系统。详细分析了实验结果，并与现有方案进行对比，验证了本文方法的有效性。