随着红外技术在人类生活中的广泛应用，红外图像的识别与定位算法研究在图像处理领域占有越来越重要的地位。在红外图像处理过程中，对处理的准确性以及实时性具有较高要求。由于红外图像中存在大量的背景杂波以及噪声等冗余信息，这些都对结果的准确性造成一定的影响。同时，利用传统算法进行图像处理时，需要将待处理图像遍历检测，算法处理过程繁琐且耗时较长，不利于图像处理的实时性要求。然而，在生物视觉系统中，当输入视觉的信息较为复杂且存在大量冗余信息时，生物视觉系统会将注意力集中在引起视觉注意部分区域上，并对其进行优先处理，忽略那些不会引起视觉注意的冗余信息，在最短的时间内，获取输入视觉图像中的主要信息，这一过程称为生物视觉系统的视觉注意机制。在信息处理过程中，这些优先处理的少数对象构成的区域称为图像的感兴趣区域(region of interest, ROI)。通过提取图像的感兴趣区域对其进行处理，不仅可以降低算法的计算量，提高图像处理速度，而且可以增强信息处理的准确性以及信息处理效率。本文将生物视觉注意机制应用到红外图像识别与定位的算法研究中。在充分了解红外图像特征的基础上，对生物视觉非经典感受野进行模拟，通过引入多结构元素的形态学滤波算法，消弱灰度差异较大区域对目标检测的影响，有效实现对红外图像背景的抑制，提高了图像的信噪比。基于生物视觉注意机制提取图像的初级视觉特征，相对于传统算法在红外图像处理中图像显著性不明显的情况，在视觉注意机制模型中加入灰度均衡化算法，突出图像中的目标区域。通过对各初级特征高斯平滑和降采样操作生成高斯金子塔图像，利用周边中央周边差算子，提取各特征显著性，再根据各特征显著性设定不同的权重并进行线性融合，生成图像总显著图。对图像显著区域进行标定，实现对红外图像的定位。最后，基于BP神经网络分类器实现显著区域目标的识别。实验结果表明，本文提出的算法在对红外图像的识别与定位中具有较强的鲁棒性。