红外图像的分辨率低和色彩单一，但由于红外设备的全天候工作特点，因而在某些场景具有重要作用。本文采用一种基于支持向量机（ support vector machine, SVM）的长波红外目标图像分类识别的算法，在一幅图像中，将算法提取的边缘特征和纹理特征作为目标的识别特征，输入到支持向量机，最后输出目标的类别。在实验中，设计方向梯度直方图＋灰度共生矩阵＋支持向量机的组合算法模型，采集 8种人物目标场景图像进行训练和测试，实验结果显示：相同或者不相同人物目标，穿着不同服饰，算法模型的分类识别正确率较高。因此，在安防监控、工业检测、**目标识别等运用领域，此组合算法模型可以满足需要，在红外目标识别领域具有一定的优越性。

基于光谱测量数据,综合考虑背景辐射和仪器噪声对目标探测的干扰,提出一种自适应波段选择方法,并进行实验验证。利用声光可调谐(AOTF)成像光谱仪采集光谱数据,光谱扫描波段为400~1000 nm。对天空背景下的无人机目标和墙面背景下的静态物体目标进行探测,计算各波长的综合信噪比,以综合信噪比最大值的70%为阈值,选择合适的工作波段。波段选择的结果符合实际情况,所提方法能有效地选择不同目标的最优探测波段。