图像中蕴涵着丰富的信息,如何获取这些信息并采用有效的手段进行融合是模式识别中的一项重要课题。而图像融合中的特征级融合在目标识别、医疗诊断以及生物特征识别等领域有着越来越重要的作用。本文对基于主成分分析的特征级图像融合及其在弱小目标匹配识别上的应用做了一定的研究和探索。首先,在介绍弱小目标成像特点的基础上,分析并提取了包括分形特征、多向多尺度梯度特征、能量特征、灰度均值特征、形态学特征以及聚类特征在内的多种特征,并提出了局域灰度概率特征,通过基于PCA的特征融合算法对其进行融合,对目标进行了匹配识别。其次,对特征融合的基本现状做了综述,介绍了主成分分析方法的研究现状,分别将主成分分析(PCA)、二维主成分分析(2DPCA)、双向二维主成分分析(2D~2DPCA)以及对角主成分分析(DiagPCA)引入特征融合中,通过弱小目标的匹配识别对这些算法进行了比较分析,指出基于DiagPCA的方法最好,而基于2D~2DPCA的方法时间较快。最后,对基于主成分分析的特征融合算法的运算效率进行了一定的研究,引入施密特正交化方法,结合2DPCA、DiagPCA方法提出了改进的快速二维主成分分析(2DFPCA)以及快速对角主成分分析(FDiagPCA),将其应用到弱小目标的匹配识别中,并分析了不同的压缩比对运算时间的影响。