红外传感技术有效解决了夜间观测的难题，成为现代战场侦察的重要手段之一。不断提升基于红外图像的目标识别能力是实施精确打击、态势感知的有力途径。针对红外图像识别问题，提出基于轻量级梯度提升机（Light Gradient Boosting Machine, LGBM）的Zernike特征选取算法，并结合稀疏表示分类器（Sparse Representation-based Classification, SRC）完成目标类别确认。首先，基于红外图像中的目标区域提取多阶Zernike矩特征，表征待识别目标的本质特性；其次，采用LGBM特征选择算法对多阶矩特征进行二次筛选，减少冗余的同时提高特征的针对性；最后，基于SRC对最终选择的Zernike矩特征矢量进行分类。该方法通过LGBM的特征选择有效提高了最终特征的有效性，同时降低了分类的计算复杂度，有利于提高整体识别性能。采用公开的中波红外目标图像数据集（MWIR）开展验证实验，对10类典型**目标进行区分识别。实验分别在原始样本、噪声干扰样本以及部分缺失样本三种条件下进行并与几类现有红外目标识别方法进行对比讨论。结果表明：所提方法可取得更优性能，证明其有效性。