自20世纪50年代开始，光电成像末制导武器由于其高效费比，大量应用于战场。为有效保护目标，烟幕干扰技术作为一种重要的光电对抗手段被广泛投入使用。烟幕干扰严重影响了红外图像目标识别算法的性能和红外末制导武器的打击效果。相较于空中目标和海面目标，地面目标背景更为复杂，对抗烟幕干扰的难度也更大。如何在烟幕干扰条件下有效地提高地面目标识别算法的性能是亟待解决的问题。论文针对该问题，在红外烟幕干扰图像特性、烟幕识别与区域提取、抗干扰策略设计等方面进行了深入的研究，取得了较好的实验效果。论文主要工作如下：
　　为定量分析烟幕干扰对目标识别算法的影响程度，分别以烟幕透过率和遮挡面积占比为变量进行了仿真实验。并在仿真结果的指导下，通过外场实验采集了多个波段的真实红外烟幕干扰图像序列。为得到可用于区分烟幕与其它地物的有效特征，对烟幕干扰图像进行了光谱特性、纹理特性、动态特性分析。根据烟幕动态特性分析结果研究了一种基于运动检测的烟幕检测方法，并进行了实验分析。针对运动检测方法产生漏检的问题，提出了一种基于超像素分割和融合纹理特征的烟幕检测方法，实验结果表明，烟幕区域的漏检情况得到了很大的改善。
　　为了解决常规的烟幕检测算法无法有效区分薄烟和厚烟的问题，提出了一种基于烟幕透过率估计的烟幕检测方法。该方法通过3D建模软件生成自带透过率标注的烟幕图像，解决了实际图像难以标定烟幕薄厚信息的难点。参考深度学习语义分割网络U-Net的整体框架搭建透过率估计模型，实验结果表明，根据烟幕透过率估计结果，可以更加准确地得到有效的烟幕干扰区域。
　　为利用烟幕干扰先验信息来对抗烟幕干扰，提出了一种基于烟幕干扰先验的目标识别抗干扰策略选择方法。首先根据烟幕区域面积计算烟幕面积占比，然后根据面积占比大小来选择抗干扰策略：烟幕干扰遮挡比例较小时采用分块策略和位置约束；烟幕干扰遮挡比例较大时采用模板扩展策略。另外将烟幕检测与目标检测并行连接，与前述的串行连接方案进行了对比，实验结果表明，基于烟幕干扰先验的抗干扰目标识别算法可有效提高烟幕干扰下的目标识别准确率。