11.4.1  改进算法的关键技术

孙权森等提出将CCA方法用于特征融合，获得了优于串行融合和并行融合的结果，但是该方法是基于向量形式的特征融合方法，应用时必须将二维图像矩阵转换为一维向量形式，通常转换后的数据量非常大，这样在应用CCA进行特征融合时的运算量会很大，运行时间长。同时，如果没有足够的训练样本还会导致高维小样本问题，使得CCA算法无法正常求解。本章研究红外图像与可见光图像的特征级融合，提出基于PCA-CCA的图像特征融合方法，首先利用PCA方法对样本特征进行降维，然后在低维空间中利用CCA方法进行特征融合。