1、人臉識(shí)別是一個(gè)具有很高理論和應(yīng)用價(jià)值的研究課題。幾十年來(lái)，自動(dòng)人臉識(shí)別一直是計(jì)算機(jī)視覺和模式識(shí)別領(lǐng)域的長(zhǎng)期挑戰(zhàn)。特征提取是人臉識(shí)別的核心問題之一，特征提取的一種常用方法是子空間學(xué)習(xí)方法。子空間學(xué)習(xí)的思想就是將特征從原始的高維數(shù)據(jù)空間投影到低維數(shù)據(jù)空間（投影子空間），投影后的特征要比原始特征易于區(qū)分。其中主成分分析(PCA)算法是一種廣泛使用的線性子空間學(xué)習(xí)方法。
　　針對(duì)能量譜的不平衡性會(huì)影響人臉識(shí)別效果的問題，本文基于白化臉的概

2、念提出了白化主成分分析類算法的框架。該算法框架使用一個(gè)白化濾波器和一個(gè)低通濾波器對(duì)原始圖像進(jìn)行預(yù)處理，然后結(jié)合傳統(tǒng)的PCA類算法提取特征向量（或矩陣），最后通過(guò)k-NN分類方法進(jìn)行人臉識(shí)別。在ORL人臉數(shù)據(jù)庫(kù)上進(jìn)行的實(shí)驗(yàn)表明該算法框架改善了人臉識(shí)別的效果，提高了識(shí)別的正確率。
　　為了進(jìn)一步提高在光照、姿態(tài)和表情等有較大變化情形下人臉識(shí)別的效果，在圖像分塊技術(shù)和雙向二維主成分分析（(2D)2PCA）的基礎(chǔ)之上，本文提出了分塊雙向二