红外图像目标特征提取是红外预警系统与成像制导的核心技术之一。红外系统的隐蔽性好，抗干扰能力强，作用距离远，搜索速率快，无镜面回波，可昼夜工作，这些优良特性使其越来越多地应用于军事和民用领域中。因此，如何提取鲜明的特征来提高红外图像目标的检测、识别性能以及整个红外系统的智能化水平一直是国内外学者的研究方向和焦点。本文旨在研究图像特征提取方法，使得能在分类识别中得到较高的识别率。首先，简要介绍了主分量分析、独立分量分析和独立子空间分析的理论，研究它们在图像上所表现出的特性，并通过构造相应的图像数据，更加直观地体现了这三种方法的不同表现形式。其次，针对独立分量分析所提取独立分量的无序性特点，提出了独立分量的稀疏排列算法。实验结果表明，使用少量的优势分量便可获得较高的识别结果，从而也满足了实际系统的实时性要求。再次，着重分析了独立子空间算法在自然图像中的统计特性，并探索地将其应用在红外图像特征提取上，也能得到较为满意的识别性能。最后，基于距离度量的分类器，提出将独立分量分析的全局特征与局部特征的各自分类结果进行判决，继而取离散度最大的作为正确的分类结果，实验结果表明了这种决策级融合方法在红外目标识别中的有效性。