随着夜视成像技术的迅猛发展,红外目标检测识别技术愈加成熟,且拥有广泛的应用价值和广阔的前景。近几年来,国内外众多学者提出了多种目标识别方法,例如基于分类器和训练学习的识别方法、免训练的基于局部自适应回归核(Locally Adaptive Regression Kernels. LARK)方法和基于局部统计匹配模型的目标识别方法(Local Similar Structure Statistical Matching, LSSSM)等。一方面,为了融合局部自适应回归核特征的优势,避免局部统计匹配造成的结构误差,另一方面,针对红外图像的低对比度和高噪声的特点,和其目标的随机性及背景遮挡性,提出了一种基于局部自适应回归核特征的近邻结构匹配算法(Neighboring Structure Reconstructed Matching, NSRM)。在提取红外图像的局部LARK特征矩阵的同时,考虑局部窗口邻域的结构关系。采用非负线性重构方法计算图像的近邻结构关系特征。同时对LARK特征矩阵和近邻结构关系特征矩阵做相似匹配,对两者匹配相似度图像作变换处理和分析,最终采用非极大值抑制的方法实现红外目标的检测和识别。实验证明,在复杂场景下,该方法对非紧凑型红外目标的检测具有良好的效果,能一定程度上降低传统LARK方法的误检率。