1、目標的自動識別是最有價值的應用需求之一，但它同時也最具挑戰(zhàn)性。過去幾十年中該課題的研究己經取得了較大的進展，但計算機自動識別技術還遠沒有達到理想的實際應用需求。自動識別技術涉及到很多方面的研究，如圖像的預處理，圖像增強、圖像分割、特征提取方法和分類器的設計等等，這其中特征提取方法的研究尤為關鍵。一方面，研究者對特征提取的理論作了較多的探索，力求得出一些針對特定目標的高精度、高效率的特征提取算法與方法。這其中包含PCA方法、Fisher鑒

2、別分析方法，以及以核方法為代表的非線性特征提取方法等。另一方面，在實際應用中算法的效率也是非常重要的。本文的研究集中在特征提取方法，這其中涉及到線性與非線性特征提取方法。 本文將特征提取方法分為線性和非線性特征提取方法。原始信息經過線性映射得到的變換后信息稱為線性特征，原始信息經過非線性映射得到的變化后的信息成為非線性特征。對應的映射成為線性特征提取方法和非線性特征提取方法。 主分量分析和Fisher 線性鑒別準則是應用

3、最廣泛的特征提取算法。本文論述了2DPCA和2DFLD等傳統(tǒng)特征提取方法，并發(fā)展了2DFLD特征提取方法，提出分塊的2DFLD特征提取方法，分析表明，該方法是2DFLD方法的推廣，在人臉識別研究中優(yōu)于傳統(tǒng)的2DFLD方法。 核方法是新近發(fā)展起來的一種非線性特征提取方法，它的理論基礎來自于統(tǒng)計學習理論。本文詳細討論了核特征提取方法，并結合偏最小二乘理論(PLS)，提出了基于KPLS的特征融合方法。 本文以構造新的特征提取算