1、目前，隨著生物特征在個人身份驗證、安全監(jiān)控等方面的應(yīng)用，對人臉識別的要求十分的迫切。計算機人臉識別技術(shù)是利用計算機對人臉圖像進行分析，進而從中提取出有效的識別信息，用來“辨認”身份的一門技術(shù)。 人臉識別系統(tǒng)包括三個重要環(huán)節(jié)：預(yù)處理、特征提取和分類器設(shè)計。作者對前兩個環(huán)節(jié)進行了深入的討論。 在預(yù)處理環(huán)節(jié)中，我們提出了三種人臉圖像預(yù)處理方法：基于平均模板的圖像糾正，基于色彩分量平均模板的圖像糾正，基于人臉對稱性的圖像糾正。

2、這三種方法的基本原理是一致的：首先構(gòu)造人臉圖像的平均模板，然后利用人臉圖像與平均模板的差異來構(gòu)造糾正系數(shù)對圖像進行糾正。三種預(yù)處理方法的區(qū)別在于它們的平均模板不同，計算平均模板的方法不同：基于平均模板的圖像糾正是以同一模式類別中訓(xùn)練樣本的平均值作為平均模板；基于色彩分量平均模板的圖像糾正是以彩色圖像的RGB分量的平均值作為平均模板；基于人臉對稱性的圖像糾正是以人的左右半邊臉中對稱像素的平均值作為平均模板。作者提出的預(yù)處理算法能使過亮區(qū)域

3、相對變暗，而過暗區(qū)域相對變亮，最終使整幅圖像灰度趨于均勻，削減了由光照引入到圖像中的亮斑和陰影，從而減少了人臉的類內(nèi)差異，使每一類樣本都向各自的樣本中心靠攏，使不同樣本類的可分性增強，有利于提高識別算法對光照的魯棒性。 在特征提取環(huán)節(jié)中，作者提出利用人臉圖像的位平面信息來提取輪廓形狀特征和紋理細節(jié)特征。對于訓(xùn)練樣本，將同一模式類中的多幅圖像的形狀特征取平均作為此模式類的類標記，并將此類標記分別與此模式類內(nèi)每幅圖像的紋理特征相融合

4、以構(gòu)造新的特征融合訓(xùn)練樣本圖像；對測試圖像，由于還不知道每幅圖像所屬的類，無法為圖像構(gòu)造類標記，因此，將每幅圖像的形狀特征和紋理特征相融合構(gòu)造新的特征融合待識別人臉圖像。這樣，在訓(xùn)練樣本中，由于同一類中的人臉圖像具備共有的類標記，類內(nèi)各樣本都向各自的類中心靠攏，它們的差異就在于細節(jié)特征上，而由于各細節(jié)特征根據(jù)其對識別貢獻的大小進行了加權(quán)，引起類內(nèi)差異過大的細節(jié)特征的權(quán)重小，因此整體來說，經(jīng)過特征融合后的樣本的類內(nèi)差異減小，類間距離增大，