在多传感器成像侦察中,多源图像融合的目标识别是重要研究课题,并具有重要的应用价值。本文针对多源图像融合处理、图像特征提取与选择、目标特征模板构建以及图像目标识别等开展了理论分析与数值模拟研究,取得的研究成果如下: 1.提出了基于PCA的小波系数图像融合方法,能够自适应设置小波域低频融合系数,有效解决了具有局部对比度反转、包含冗余特征及互补特征信息的图像低频融合系数的确定问题。 2.提出了可见光和红外图像基于高频系数区域“能量”的小波融合方法、多波段红外图像高频系数局部对比度的小波融合方法、可见光多聚焦图像的高频系数“梯度”的小波融合方法,并通过实验验证了这些方法的有效性。 3.提出了结合特征可分性判据与特征K-L变换的多特征选择方法,对多特征进行筛选、去相关性及降维处理,大大减少计算量。 4.提出了分级递减模糊聚类算法,该方法在不需要知道目标类别数的前提下按自动分裂方式确定目标类别数,并实现聚类处理,而且计算时效比传统的模糊c-均值方法高。 5.提出了基于模糊协方差的自适应聚类神经网络(FCACNN)算法,结合神经网络的竞争学习和模糊协方差的相似性度量,通过迭代合并方法实现了稳健的多特征聚类处理。 6.针对图像的分类识别问题,提出了自组织特征映射网络(SOM)的可识别图像目标特征模板库构建的方法。 7.基于最小最大隶属度原则,提出了自适应阈值的k-近邻的图像目标识别