序列图像中的目标识别是指根据序列图像提供的时空信息将感兴趣或特定的目标从背景图像区域识别出来，无论是在军事上还民用上都具有广泛的应用背景。在单帧图像处理的基础上，充分利用多帧图像之间的相关信息，消除原始数据中的冗余信息，提取有用信息，分割出待识别目标。因此，整个问题可以看作一个图像融合和模式识别的综合过程。本文以信息融合和统计学习理论为理论基础，重点研究了基于证据理论的图像融合方法和支持向量机方法在序列图像中目标识别的应用问题，以及基于语言变量的目标识别系统性能评价问题。 鉴于信息融合理论中的证据理论具有扎实的数学基础，具有强大的不确定推理能力，据此，本文提出了一种高可靠性的基于证据理论的序列图像目标识别新方法。首先，指出了证据理论融合算法在序列图像目标识别的应用中所存在的两个具体问题：一是融合算法的可靠性问题，因为序列图像中的前后帧可能存在相互冲突或矛盾的信息，而经典的证据理论组合算子在处理高冲突信息时会产生违反常理的结果；二是融合算法的可操作性问题，即如何将图像特征转化为证据理论中各个命题基本概率指派。针对证据组合规则无法有效处理冲突信息这一情况，引入证据距离度量各证据的关联程度，提出一种新的可以有效处理冲突信息的组合规则。实验表明：与现有的其它改进方法相比，在系统收集的证据冲突很大情况下，该组合规则仍然可以获得正确的结果并具有较快的收敛速度。针对图像特征的基本概率赋值问题，在前人研究的基础上，根据红外图像成像原理，引入简单的模糊逻辑进行基本概率指派的转化，实现了目标识别系统的可操作性。最后，在大量数值试验的基础上，以真实的红外序列图像中的部分连续帧为对象，成功地进行了红外序列图像中的小目标识别，系统地提出了一种高可靠性的证据理论的红外序列图像目标识别方法。 利用模式识别方法通常可以对序列图像进行有效的处理，而将支持向量机应用于序列图像中的目标识别更是人们研究的热点。如何选择有效的模型参数是该应用中的关键问题。针对支持向量机的模型选择问题，研究了支持向量机的求解算法，对比研究了两种交叉验证方法在支持向量机模型选择中的应用，在前人研究α调整方法和容差调整方法的基础上，提出了新的调整方法，数值对比试验表明，新的调整方法比现有的调整方法更为有效和简单。为了减少模型选择时所进行的交叉验证次数和解决多参数选择的困难，提出了利用优化算法中的一种新的随机搜索算法——微粒群优化算法进行模型参数寻优。相比于常用的遗传算法，它不需要复杂的遗传、交叉、变异等操作算子，可以进行实数编码，有利于解决支持向量机中多参数选择问题。大量数值算例表明，本文提出的基于微粒群优化算法的模型选择方法可以有效地进行支持向量机模型优化。并利用本文提出的方法进行了实际的红外序列图像中目标识别的研究，试验结果表明基于支持向量机的目标识别方法是一种有效的处理序列图像中目标识别的方法。 将信息融合理论和机器学习理论结合起来进行目标识别能充分利用序列图像的时空信息，有效地发挥两者的优越性。针对多传感器序列图像中的目标识别问题，提出了基于支持向量机多类后验概率输出的识别方法。在分析支持向量机的后验概率输出方法原理基础上，结合多类支持向量机的构成方法，以及不确定信息融合理论，提出了二种新的多类后验概率输出方法。与现有其他改进方法相比，本文提出的方法能达到相等的识别结果，但求解过程更为简单，而且能更好地用信息融合理论进行解释，有利于后续融合工作的开展，从而提出了完整的基于支持向量机后验概率输出的多传感器图像证据理论的融合框架。实际的红外、可见光序列图像中的目标识别分割试验表明，本文提出的方法能够取得理想的融合效果，能准确地识别出待定目标区域。 语言变量下的性能评价一直是目标识别系统中的一个重要问题，本文提出了利用基于语言变量的模糊风险分析方法进行系统性能评价。在分析目前图像融合质量评价的定量和定性方法的基础上，指出了评价指标的多样性和不确定性，提出了可以用风险分析的方法来进行目标识别系统性能评估。利用基于语言变量的分析方法，将语言变量表示为扩展模糊数，通过模糊分析方法进行模糊数整合，利用模糊数相似性测度进行最终评定，从而将整个问题转化为一个专家系统和人工智能相结合的模式识别问题。同时，针对现有多种模糊数相似性测度的不足，提出了一种基于矩的扩展模糊数相似性测度。利用多个数值算例说明了新的测度方法能有效地区分现有多种方法不能区分的情况，验证了本方法的有效性。最后，利用一个数值算例仿真了基于语言变量的模糊风险分析方法在目标识别系统性能评估中的应用，并对结果进行了分析和讨论。 基于如下研究思路：针对所研究的问题，先进行算法上的改进，再进行数值验算，最后将其运用到实际的序列图像中进行目标识别，本文取得的创新成果为： 1.提出了一种高可靠性的基于证据理论的序列图像目标识别方法； 2.提出了一种基于微粒群优化算法的支持向量机模型选择方法； 3.提出了两种有效的支持向量机多类概率输出方法； 4.提出了一种新的模糊数相似性测度。