多视图数据在实际应用中普遍存在,针对多视图数据的特征抽取也逐渐成为模式识别领域中的研究热点和关键问题。多视图典型相关分析作为一种非常重要的多视图特征抽取方法,在国内外已经受到广泛关注。然而实际采集的数据通常是复杂的非线性数据,多视图典型相关分析难以有效地处理这种实际数据,这会很大程度地限制它的适用范围和实际性能。因此,本文以多块嵌入、图增强方法、标签核技术、模糊投影、核排列以及超分辨率重构等为研究对象,深入探索了多视图典型相关分析理论,并提出了一系列多视图特征抽取方法,为一些实际应用提供了有效的解决方案。本文的主要创新性工作和研究成果如下:(1)提出了多块嵌入的多视图典型相关分析方法。在已有的局部相关分析方法中,存在单类局部近邻关系难以揭示原始高维数据内在流行的问题,以及监督引入导致整体局部信息缺失的问题。为此,本文以局部块为基础,深入研究了多视图相关分析框架下的多源块结构和多源融合理论,并提出了多块嵌入的多视图典型相关分析方法。该方法不仅能够自动地学习更有益于相关特征抽取的整体局部信息,而且能够借助视图内散布结构进一步增强相关特征的类分离性。在近红外图像、人脸图像和多视角汽车图像上的实验结果显示,该方法拥有良好的图像识别性能和参数鲁棒性。(2)提出了图增强多视图鉴别相关分析方法。为了解决多视图相关分析中图难以很好掌握数据本质几何结构的问题,本文提出了基于数据空间分割和监督概率整合模型的图增强方法,该方法构建的增强图能够更好地反映本质几何结构和鉴别分布信息。在增强图的基础上,进一步探索多视图相关分析框架下图的有效嵌入和监督信息的指导,并提出了图增强多视图鉴别相关分析方法。该方法构建了视图间类内和类间的增强相关性,并且考虑了能够更好掌握视图内和视图间散布结构的全局散布。大量实验结果不仅揭示了图增强方法的有效性,而且显示了图增强多视图鉴别相关分析方法在识别任务中的优越性。(3)提出了新的标签核以及多视图标签核相关分析算法。针对经验核方法的监督缺失问题,本文提出了一种标签核方法,该方法借助标签指导的单位超球模型很好地保留了类标签信息的鉴别力,然而该方法的标签依赖性导致其难以实现外样本扩展,为此,利用样本分布的相似准则进一步构建了标签核方法的投影辅助策略,即模糊投影策略。通过将标签核方法和模糊投影策略自然地融入多视图相关分析理论,进一步提出了多视图标签核相关分析算法,该算法借助标签核方法和模糊投影策略的优势能够从多视图数据中学习带有强鉴别力的非线性相关特征。另外,在五个不同的数据集上,分析了近邻参数对模糊投影性能的影响和多视图标签核相关分析算法的识别性能。(4)提出了核排列的多视图典型相关分析方法。针对单核的性能局限性和难以为具体数据选择适应核的困境,本文使用核排列将原始的特征向量转化为二维特征矩阵,并依此提出了核排列的多视图典型相关分析方法。该方法能够同时利用大量的核来揭示每个视图更真实的数据分布信息,并且能够为每个视图自动地学习一个具有数据适应性的混合核。此外,该方法的核扩展技术能够在其他特征抽取方法中直接使用,具有很好的迁移性。在近红外人脸图像、热红外人脸图像、可见光人脸图像、手写体图像和目标图像上的实验表明,提出的方法具有良好的图像识别性能。(5)提出了基于局部多视图一致子空间学习的超分辨率方法。在超分辨率重构中,为了更好地满足相似局部假设,本文提出了一种局部多视图一致子空间学习方法;为了能够同时使用多类低分辨率图像进行超分辨率重构,提出了多相关融合策略;为了确定更准确的近邻域,提出了重构校对策略。然后以此为基础,形成一种新的人脸超分辨率重构方法,即基于局部多视图一致子空间学习的超分辨率方法。该方法解决了现存基于相关分析理论的超分辨率重构方法无法处理的一些关键问题,在相关分析理论框架下首次实现了图像超分辨率的多源重构。此外,针对残差补偿的必要性、多相关融合策略的有效性、局部多视图一致子空间的优越性、参数的影响、训练图像数量的影响以及最终重构图像的质量等设计了大量实验,所有的实验结果可以给出一个合理的观察,即基于局部多视图一致子空间学习的超分辨率方法是一种有效的人脸超分辨率重构方法。