1、作為一種最友好的生物特征識(shí)別技術(shù)，人臉識(shí)別技術(shù)在安防監(jiān)控、用戶(hù)認(rèn)證、人機(jī)交互等方面有著非常廣泛的應(yīng)用，已經(jīng)得到了廣大科學(xué)家的普遍關(guān)注，并涌現(xiàn)出了大量?jī)?yōu)秀的人臉識(shí)別算法。
　　 小波變換因其較強(qiáng)的時(shí)、頻局部化分析能力以及多分辨率的特點(diǎn)，已經(jīng)被成功應(yīng)用于人臉識(shí)別當(dāng)中，然而小波變換的基是各向同性的，僅僅能反映一維信號(hào)中奇異點(diǎn)的性質(zhì)，進(jìn)而無(wú)法表達(dá)二維圖像的“沿”邊緣特征，對(duì)含有較多面部輪廓和五官曲線(xiàn)信息的人臉圖像無(wú)法實(shí)現(xiàn)最優(yōu)的稀疏表示。

2、Candès和Donoho提出的Curvelet變換在很大程度上彌補(bǔ)了小波變換的缺陷，Curvelet變換不但具有小波變換多尺度的特點(diǎn)，同時(shí)它還具有較強(qiáng)的方向性以及高度各向異性，能夠很好地表示圖像的直線(xiàn)和曲線(xiàn)奇異特征，相比小波變換可以更稀疏地表達(dá)圖像，使信號(hào)能量更集中。
　　 本文主要研究了第一代和第二代Curvelet變換的基本理論及其實(shí)現(xiàn)過(guò)程，并對(duì)分解后得到的Curvelet系數(shù)進(jìn)行了分析，然后研究分析了主成分分析技術(shù)理論及