首先，针对单一的 Gabor 人脸特征在姿态、表情、光照变化下效果不佳的问题，提出了基于 Gabor 小波特征和核函数融合的人脸识别方法。通过融合方法将二维 Gabor 小波提取的不同尺度、方向的 Gabor 特征进行前期融合，使用支持向量机的 rbf 和 linear 核函数进行后期融合并使用 KMOD 算法确定核函数之间的参数。最终实验结果表明融合后的人脸识别方法能够提高机器学习的传统人脸识别效果。 其次，鉴于互补深度特征的融合能够提高单一特征性能，设计了基于 Facenet 稀疏表示和卷积网络集成的人脸识别方法。具体表现为将 Facenet 的卷积特征和稀疏表示结合，提出了基于 Facenet 稀疏表示的人脸识别方法，通过 Facenet 卷积特征构建归一化字典实现稀疏表示分类；融合 softmax loss 和 center loss 损失函数，在 Facenet 预训练模型上重新训练并比较人脸验证和识别效果；最后通过硬投票策略将基于 Facenet 稀疏表示的人脸识别方法和不同卷积网络集成，以提高人脸识别效果。最终的实验结果表明，集成方法能够各个卷积网络模型的基础上使识别率进一步提升。 最后，针对深度神经网络对剧烈光照变化性能不佳的问题，提出了基于 GIR 特征和卷积特征融合的人脸识别方法。GIR 模型用于人脸图像的光照处理，获得 GIR 特征。根据光照处理过程中局部区域的不同，GIR 特征又可以分为 EGIR-Face 和 BGIR-Face 人脸特征。将 GIR特征分别与 Facenet、Insigtface、Resnet50 的卷积特征通过距离度量进行融合，通过最近邻分析实现人脸识别。使得卷积网络可以获得 GIR 模型优势，在人脸识别过程中更加侧重于光照这一影响因素。最终实验结果表明融合 GIR 特征和卷积特征的人脸识别方法确实能够提升严重光照变化下的人脸识别效果。

基于FisherVoice的说话人短说话人识别特征融合方法

为了在红外与可见光图像融合中充分利用中间层提取的信息,防止信息过度丢失,提出一种新的基于卷积自编码器和残差块的图像融合方法。该方法采用由编码器、融合层和解码器三部分组成的网络结构。将残差网络引入编码器中,将红外与可见光图像分别送入编码器后,通过卷积层和残差块来获取图像的特征图;将得到的特征图采用改进的基于L1-norm的相似度融合策略进行融合,并将其整合为一个包含源图像显著特征的特征图;重新设计损失函数,利用解码器对融合后的图像进行重构。实验结果表明,与其他融合方法相比,该方法有效地提取并保留了源图像的深层信息,融合结果在主观和客观评价中都有着一定的优势。

为了提高融合后多光谱(MS)图像的质量，提出一种基于稀疏表示的遥感图像融合方法。建立MS图像与其亮度分量之间的线性回归模型；利用训练的高、低分辨率字典分别对全色图像和MS图像进行稀疏表示，并根据线性回归模型获得MS图像亮度分量稀疏表示系数；根据全色图像和亮度分量的稀疏表示系数提取细节成分，并在通用分量替换(GCOS)融合框架下注入到MS图像各波段的稀疏表示系数中；进行图像复原得到高空间分辨率的MS图像。由于稀疏表示可有效地刻画信号的内部结构与特征，融合后的MS图像能够在提高空间分辨率的同时，较好地保留原始MS信息。IKONOS MS图像的融合结果表明，该方法在光谱保持和空间分辨率提高方面优于其他传统的遥感图像融合方法。

在电机滚动轴承的故障诊断领域中,由于电机运行环境的复杂性,以及目前大多数故障诊断依然是基于单参数进行,如振动、温度及电流等所能携带的故障特征进行诊断,所以不确定性因素及不确定信息也充斥其间,从而致使故障诊断的准确率较低。分析了传统故障诊断系统的弊端,并介绍了多信息源数据融合诊断系统的结构及其在故障诊断应用中的优势,并通过实例分析,采用3个独立传感器对轴承故障信号采集,并通过经验模态方法对信号处理得到故障特征向量,最后应用BP神经网络和D-S证据理论进行故障识别。每使用一次D-S证据理论的合成,均会提高故障诊断的准确率,进一步说明多信息源数据融合故障诊断系统的的可行性及有效性。

针对同构多传感器系统在无先验知识、无系统模型条件下对同一未知目标进行在线测量过程中的数据融合问题,提出一种基于改进模糊聚类的同构多传感器在线融合方法.该方法采用引入噪声类的鲁棒模糊聚类方法分析同时刻多源数据,避免了传统模糊聚类融合方法中对聚类数设定的依赖,同时有效去除系统偏移较大的数据源和异常信号对融合结果的不良影响;通过引入隶属度函数影响因子,增加历史融合结果对当前融合的指导.仿真实验进一步验证所提方法在融合精度和计算实时性方面的优势.

人脸识别有很多方法，基于KCCA的特种融合不乏为一种不错的方法。。

提出一种基于非下采样Contourlet变换（NSCT）和模糊逻辑的图像融合方法。NSCT分解有利于更好地保持图像的边缘 信息和轮廓结构，并增强图像的平移不变性。在对原图像进行多尺度几何分解后，针对图像融合过程中原图像融入信息程度的 不确定性，采用基于模糊逻辑（Fuzzy logic ）的融合规则指导图像的融合：根据高低频各自的频带特性和待融合图像的特点，对高 频使用基于信息熵与模糊逻辑的融合方法，而对低频使用基于亮度、梯度、方差、信息熵等特性及模糊逻辑的规则得到融合系数， 最终经过NSCT逆变换得到融合图像。实验结果表明，该算法的融合图像具有良好的视觉效果及客观评指标，指标与视觉效果 也能够较好的统一。

基于STARFM/ESTARFM/FSDAF算法的时空融合算法的论文整合，在此基础上可以进行变化检测，后续的时空多时相的遥感影像的动态分析

基于改进的拉普拉斯金字塔变换的图像融合方法