飞行体目标识别系统是图像处理和模式识别中的一个重要研究热点和难点。本文为完成飞行体目标的识别，主要从飞行体目标检测、飞行体目标特征提取和飞行体目标识别三方面进行了研究。　　为实现飞行体目标检测，本文通过小波模极大值对飞行体目标进行边缘检测，采用曲率尺度空间算法对边缘图像进行角点检测，利用简化的局部三值模式算子去除冗余角点，根据改进的K-均值聚类得到位置信息获取飞行体目标的大致区域，从而实现对飞行体目标的检测。　　特征选择是飞行体目标识别系统的关键步骤。本文根据飞行体目标的特性，选取了飞行体目标的Zernike矩、归一化傅里叶描述子和方向梯度直方图特征，对单一特征分别结合支持向量机和随机森林识别方法的效果进行了验证，并将三种特征进行特征级融合做了实验，实验表明融合后的识别效果优于单一特征的识别效果。　　针对飞行体目标识别，本文采用粗分类和细分类二级分类方式对飞行体目标进行识别。一方面提取飞行体目标的快速鲁棒性特征，利用词袋模型结合机器学习识别方法实现粗分类，确定飞行体目标的种类;另一方面对多特征融合和采用固定权重投票法进行的多分类器融合两种细分类识别算法进行了研究，以确定飞行体目标的型号，研究表明两种方法对飞行体目标识别都有较好的识别率。