1、近幾十年生物鑒別技術(shù)取得了長(zhǎng)足的進(jìn)步，其中人臉識(shí)別技術(shù)由于其特殊的優(yōu)勢(shì)，得到了廣泛的研究。目前人臉識(shí)別技術(shù)的識(shí)別性能在理想情況下已接近實(shí)用化。但是由于人臉圖像易受姿態(tài)、表情、光照等因素的影響，以及人臉結(jié)構(gòu)自身的復(fù)雜性，人臉識(shí)別系統(tǒng)仍面臨著許多需要解決的關(guān)鍵問題。
　　人臉識(shí)別算法由人臉檢測(cè)、特征提取、識(shí)別三部分構(gòu)成，其中特征提取一定程度上關(guān)系著人臉識(shí)別系統(tǒng)性能的好壞，因此特征提取是人臉識(shí)別算法的關(guān)鍵。近幾年基于多尺度多方向的特征提

2、取方法成為人臉識(shí)別領(lǐng)域的主流算法之一，而非采樣Contourlet變換（Nonsubsampled Contourlet Transform，NSCT）是一種優(yōu)秀的圖像表示方法，具有多方向型、多尺度特性、各向異性和平移不變性，本文將NSCT變換引入人臉識(shí)別領(lǐng)域，用以提取對(duì)復(fù)雜環(huán)境魯棒的人臉鑒別信息，主要工作如下：
　　1、提出一種基于非采樣Contourlet變換與局部二值模式（Local Binary Pattern，LBP）的

3、人臉特征提取方法。首先對(duì)人臉圖像進(jìn)行NSCT變換，得到多尺度、多方向的子帶系數(shù)矩陣，然后利用LBP算子從每個(gè)子帶系數(shù)矩陣上抽取局部鄰域關(guān)系，得到各子帶的LBP特征圖譜（Local NSCT Binary Pattern，LNBP），最后將這些圖譜分塊統(tǒng)計(jì)并級(jí)聯(lián)后作為人臉的識(shí)別特征（Histogram of Local NSCT Binary Pattern，LNBPH）。利用多通道最近鄰分類器的分類結(jié)果表明，該方法所提取的特征對(duì)光照、表

4、情和姿態(tài)等變化具有很好的魯棒性，且獲得了較好的識(shí)別性能。
　　2、針對(duì)LNBPH特征維數(shù)較大的問題，提出一種適合小樣本與統(tǒng)計(jì)直方圖的特征降維方法。將LNBPH特征中的每個(gè)元素看作一個(gè)粒子，考察每個(gè)粒子的可鑒別性，并抽取那些可鑒別性高的粒子作為新的識(shí)別特征。同時(shí)為了消除光照對(duì)可鑒別性分析的影響，在對(duì)人臉進(jìn)行LNBPH特征提取前，利用自商圖像算法對(duì)包含光照信息的低頻子帶進(jìn)行光照歸一化。實(shí)驗(yàn)結(jié)果表明，該方法在保持 LNBPH高識(shí)別率的情