主成分分析法（PCA）及其常用的推廣的線性特征提取方法在SAR識別中通過變量的少數(shù)幾個線性組合來解釋隨機向量的協(xié)方差結(jié)構(gòu)并提取特征值，然而在線性變化及特征選取中容易丟失大量信息，對樣本的描述性不夠。針對該問題，本文提出了一種基于形學(xué)習(xí)算法，根據(jù)每一類MSTAR目標圖像存在小幅姿態(tài)、方向微弱變化，從而判斷處于高維數(shù)據(jù)空間的某個低維流形上這一特征，利用混合因子分析模型來對流形建模，根據(jù)不同目標所在的流形的特征參數(shù)，構(gòu)建全局字典，實驗證明，所提出的方法在識別率及速度上優(yōu)于常規(guī)的線性特征提取方法。