随着互联网的广泛普及以及信息技术的迅猛发展,图像数据的规模正日益增长。如何从海量的图像数据中获取合理且有价值的特征表示已经成为图像信息技术、模式识别等领域的热点话题。针对此问题,本文提出了多图嵌入技术并将其应用在流形对齐和深度自编码器上以获取更优的图像特征表达能力。并设计实现了图像识别系统,应用所提出的表征算法,提升图像的识别准确度。本文的主要研究内容和创新如下:1.提出了基于多图嵌入技术的流形对齐算法。本文在传统图嵌入算法(LPP、NPE、SPP)构造过程的启发下提出了多图嵌入框架,能够融合多个从不同角度构建的图嵌入矩阵以获取流形中更全面的特征信息。然后将多图嵌入框架应用在半监督流形对齐算法中使得对齐(多流形联合投影)过程中各流形的局部结构信息更好地被保存,以在低维嵌入空间获得流形间更佳的对齐效果。在多个数据集上的对齐结果表明,该方法在对齐的准确率以及鲁棒性上均优于传统的流形学习以及流形对齐算法,证实了此方法在多流形特征表达方面的优越性能。2.提出了基于多图嵌入技术的集成自编码器算法。首先基于集成的思想和激活函数的多样性把传统的深度自编码器拓展成多个自编码器并行的集成网络结构来保存更多的有效特征信息并提升模型的泛化能力。进而为了保持原始图像空间到特征子空间的局部连通性,即令自编码器模型得到的特征表示仍然保持着原始图像数据的流形结构,我们进一步在上述集成模型中应用了多图嵌入技术。在MNIST、Cifar-10等经典视觉数据集上的分类结果表明,与传统的深度自编码器模型相比,该集成自编码器模型能获取更全面的特征信息并保持数据的局部流形结构。3.在提出的特征表达算法的基础上设计并实现了图像识别系统。该系统主要由系统管理和图像识别两个功能模块构成。多次运行测试表明,该图像识别系统构建了友好的功能界面,实现了所需功能,验证了所提出的图像特征表达算法的实用性。