提出一種基于一維搜索和距離函數(shù)的快速獨(dú)立分量分析(Fast ICA)特征提取改進(jìn)算法.該算法針對(duì)FastICA中迭代初始值的選取影響其收斂性的問(wèn)題,通過(guò)一維搜索策略使其收斂性不依賴于初始值的選取.與此同時(shí),根據(jù)紅外圖像的特性設(shè)計(jì)類內(nèi)類間距離函數(shù)準(zhǔn)則對(duì)提取的獨(dú)立分量進(jìn)行優(yōu)化選擇,保留對(duì)目標(biāo)識(shí)別貢獻(xiàn)大的獨(dú)立分量特征,從而克服在高維特征子空間下隨著訓(xùn)練圖像樣本數(shù)的增多,紅外目標(biāo)識(shí)別率和穩(wěn)定性下降的問(wèn)題.實(shí)測(cè)數(shù)據(jù)實(shí)驗(yàn)結(jié)果表明,與傳統(tǒng)算法相比,該算法能夠在提取少量紅外目標(biāo)特征的情況下達(dá)到更低的錯(cuò)分率,且算法在不同類別數(shù)下的錯(cuò)分率具有較強(qiáng)的魯棒性.