三维目标识别是模式识别研究中的一项重要课题,其在军事、工业等诸多社会领域中都有着广泛的应用,半个世纪来受到了模式识别研究者的广泛关注,研究者们提出了大量的理论和方法。本文围绕三维目标的特征提取方法和识别方法展开。　　 目标特征提取的方法中主分量分析法(PCA)和独立分量分析法(ICA)是运用的最为广泛的方法。主分量分析法旨在利用降维的思想保留低阶主成分,忽略高阶成份。相对于主分量分析法,独立分量分析法有着更多优势,主要表现在复杂背景下的运动目标检测中。独立分量分析法将运动物体和背景看作是不同的独立分量进行处理,将目标与背景进行分离,而且处理后的运动目标较好的保持了原来的纹理信息,同时该方法有比较强的抗图像背景灰度变化的能力。　　 为了更好的获取三维目标的特征,普通的二维灰度图像已经难以满足三维目标识别的要求,于是出现了深度图像的概念。深度图像反映的是目标物体表面的凹凸曲度的信息,不受物体表面色彩信息的干扰,有着独特的优势。本文利用三维激光扫描仪获得目标的三维数据,重构出深度图像,与目标物体的灰度图像组成完整的三维目标的信息。利用主分量分析法和独立分量分析法对综合后的三维物体信息进行特征提取和识别,达到了较好的识别结果。　　 为了充分利用三维目标的深度图像,本文采用相位编码傅立叶变换的方法对深度图像进行处理。将深度图像作为相位因子,对其进行傅立叶变换,并用其制成三维定向图,用于三维目标的识别和旋转角度的判定;同时结合灰度图像,文中采用主分量分析的方法,对训练图像进行特征分析。根据深度图像测定的目标角度,对三维目标灰度图像在其所属特征空间进行分解与重构。实验结果表明,综合利用深度图像和灰度图像,可以大大降低目标识别中的误判概率。