多传感器图像融合是指综合两个或多个源图像的信息,以获取对同一场景或目标的更为精确、更为全面、更为可靠的图像描述。近年来,多传感器图像融合技术以其独特的优势在军事和民用领域都得到了广泛地重视和应用。　　传统的图像目标识别方法通常只利用待识别目标的一幅图像就获得识别结果,而从某个位置得到的不同目标图像可能非常相似,或者同一目标在不同位置的图像可能会有很大变化,这就造成了错判或者模糊判断。由于仅依靠单一的目标图像信息来识别目标并不能获得较高的识别率,为了提高图像目标识别的准确性,本文研究了基于多传感器图像融合的智能目标识别,它利用分布于不同位置的多传感器拍摄的目标图像对目标进行决策层融合识别,并将融合后的判决结果反馈,以此来控制图像特征维数调整过程,充分地利用了信息源提供的有用信息,且获得了较高的识别率。　　本文按照单一传感器下图像模式识别系统的组成,首先介绍了基于主分量分析的图像特征提取,然后介绍了基于BP神经网络的图像分类识别,之后用D-S证据理论把在各单一传感器下的识别结果进行融合,如果融合后的判决结果正确,则识别过程结束,如果融合后的判决结果有误,则将此信息反馈至图像特征提取和选择环节,源图像特征维数将自适应增加,修改特征之后进行再次单一识别和融合识别,依此类推,直到识别正确或达到图像最大特征维数。最后,以人脸图像库为基础进行了仿真实验,结果表明此方法有效地提高了识别率,克服了单一传感器图像识别的不足。