近年来，随着物联网计算与产业的发展，视觉传感器网络得到了广泛的应用，视觉传感器网络中的图像融合技术与目标识别技术在国内外己成为多方关注的共性关键技术，都相继投入了大量的物力和财力，并将在未来的应用中受到更多关注。本文围绕视觉传感器网络目标识别方法的理论基础及其应用问题，进行了以下研究工作：1.提出了一种局部熵结合区域生长法的红外图像分割方法，该方法分别使用了Buterworth高通滤波、局部熵计算、区域生长法和腐蚀膨胀运算。详细叙述了这种红外图像分割方法的流程，最后通过实验与常用的图像检测、图像分割方法进行比较，体现出此方法的优势。2.运用SIFT算法提取图像的特征点并对特征点进行描述，再对特征点进行匹配后求图像间的变换关系，用变换估计值进行坐标变换，将待配准图像上的点映射到参考图像，而后进行插值实现图像配准；提出了一种基于扩维贴近度的多传感器一致可靠性融合方法，然后将这种方法应用到了像素级图像融合中，提出了一种基于扩维贴近度多图像融合方法，最后使用多张配准后的图像进行融合实验，与平均图像融合法效果进行对比，分别从视觉感官与融合图像评价标准方面证明了方法的优越性。3.利用3D-MAX建立了三种飞机模型、设计了三维飞机目标图像库。在该图像库中，按飞机模型的不同分为3个大类，每个大类中按不同的飞行姿态分为24个组。其次叙述了三类飞机图片的纹理特征的提取方法，并通过基于贴近度的多传感器一致性融合方法计算每类飞机图像的对比度融合值、熵融合值、逆差距特征融合值，通过最小距离法对测试对象的归类进行预判断。再次介绍了K-L变换、降维特征矩阵空间与投影系数向量，计算了图库中每张图像在降维特征矩阵空间投影的系数向量，以及测试图像在降维特征矩阵空间投影的系数向量。然后介绍了Fisher最佳鉴别向量与判别规则，以图像在特征子空间投影的系数向量作为分类对象，通过对每组图像正样本与负样本的训练得出最佳鉴别向量，最后通过Fisher判别规则判断测试对象的类别与飞行姿态。最后通过实验证明了识别系统的高识别率，以及可以对飞机复杂飞行姿态进行判断。