相干激光雷达距离像与目标表面物理结构特性密切相关，体现目标的本质特征，在目标识别领域引起广泛关注。数据采集过程和采集成本决定了激光雷达不容易采集到大量的图像。在小样本情况下，随着特征维数的增加，识别率可能会下降，即出现休斯现象。为此，把两种特征选择算法——Relief算法和支持向量机回归特征消去(SVM-RFE)算法引入到距离像目标识别。仿真实验结果表明，在3个训练样本时，利用Relief 和SVM-RFE算法，可以解决由三组组合矩（Hu矩和仿射矩，仿射矩和Zernike矩以及仿射矩、Hu矩和Zernike矩）引起的休斯现象，并且基于SVM-RFE算法的识别性能略好于Relief算法的识别性能。

根据NMI特征和Jan Flusser提出的仿射不变矩各自的特点和适用条件,提出了一种组合不变矩。利用组合不变矩提取图像的不变特征向量,并结合Fisher线性判别准则,实现了对空中目标的Fisher线性判别器(FLDA)的分类识别。同时,考虑到识别的快速性方面,对FLDA进行了改进,提出了主分量分析(PCA)与FLDA相结合的识别算法。仿真实验结果表明,该方法具有较高的识别精度和速度。