1、人臉識別是生物特征識別的關(guān)鍵技術(shù)之一，其研究的主要內(nèi)容是如何使得計算機具有身份識別的能力。如何從人臉圖像中有效地提取使之區(qū)別于其它個體的特征，是人臉識別研究的一個關(guān)鍵所在。在眾多特征提取方法中，子空間方法具有計算代價小、描述能力強、可分性好等特點，現(xiàn)已經(jīng)成為人臉識別的主流方法。本文以人臉識別的特征提取為研究目標(biāo)，重點以子空間方法為研究手段，進(jìn)行了如下幾方面的研究： 1)針對圖像矩陣主成分分析(IMPCA)算法提取的特征維數(shù)過高的

2、缺點，本文提出了二向圖像矩陣主成分分析(2DIMPCA)算法。2DIMPCA的基本思想是在水平和垂直方向上順序執(zhí)行兩次IMPCA，在保證識別率的前提下，有效地降低了特征維數(shù)，節(jié)省了存儲空間。 2)將二維圖像矩陣表示模型的思想同保局投影(LPP)算法相結(jié)合，提出了圖像矩陣保局投影(IMLPP)。IMLPP與LPP算法最大的不同在于圖像數(shù)據(jù)的表示形式。LPP需要將二維圖像轉(zhuǎn)換成一維向量，而IMLPP中圖像不需要進(jìn)行類似轉(zhuǎn)換，所有的操

3、作都基于二維圖像矩陣。IMLPP的優(yōu)點是保留了圖像像素間的空間位置關(guān)系，提高了識別率；缺點為采用迭代的方式計算投影矩陣，計算時間較長。 3)正交保局投影(OLPP)是近年來被提出的基于流形學(xué)習(xí)的人臉識別算法，可以提取人臉圖像的非線性正交特征，但其理論推導(dǎo)煩瑣，計算復(fù)雜，且未能很好地利用人臉樣本的類別信息。本文提出一種新的人臉識別算法一正交判別保局投影(ODLPP)。該算法在OLPP的目標(biāo)函數(shù)中增加類間散布約束，使得求解的特征更具

4、有判別性，同時引入正交化處理，避開了OLPP煩瑣的迭代求解過程。 4)將非線性核映射的思想同LPP算法相結(jié)合，提出了核有監(jiān)督保局投影(KSLPP)。在創(chuàng)建權(quán)圖時，KSLPP算法引入可調(diào)因子，有效結(jié)合人臉局部流形結(jié)構(gòu)信息和樣本的類別信息。實驗結(jié)果表明KSLPP算法具有較好的性能。 5)單訓(xùn)練樣本問題是人臉識別走向?qū)嵱貌豢苫乇艿囊粋€現(xiàn)實問題。針對這個特殊情況，本文提出了基于判別公共向量(DCV)的單訓(xùn)練樣本人臉識別算法。該算