由于红外成像技术的迅猛发展及其在军事方面的广阔应用前景，红外图像处理技术已成为当今各相关行业研究的热点。红外成像制导技术是当代精确制导技术发展的主流和方向，红外图像识别技术的研究是其中的重要内容。　　近年来，随着人工神经网络技术的不断发展，人工神经网络技术被广泛的应用于非线性系统的建模与辨识。根据神经网络在目标识别的已有成果，对BP神经网络、RBF神经网络、PNN神经网络性能进行了分析，提出将PNN神经网络应用于红外图像目标识别研究，并给出应用的方法步骤。　　针对传统BP神经网络应用于模式识别时，网络的泛化能力较低，在训练过程中可能陷于局部最小，以及无法确定隐层神经元数的问题，从而将概率神经网络应用于模式识别进行目标选择。通过逼近训练样本特征的概率密度函数，概率神经网络具有很好的性能。同时，能够提供分类结果的可信度。　　在文中，描述了特征提取和定义了不变矩的转换，并给出了选取这些特征作为输入的数学基础，最后，建立了神经网络，并用实际样本测试它的性能，识别结果非常好，其正确识别率超过95﹪。进而，建立了它的简化模型，减少了80﹪的神经元，但只降低1.1﹪的精度。