1、人臉識(shí)別是生物特征識(shí)別領(lǐng)域的重要組成部分，也是機(jī)器學(xué)習(xí)、模式識(shí)別等課題的研究熱點(diǎn)，具有重大的學(xué)術(shù)研究和實(shí)際應(yīng)用價(jià)值。隨著社會(huì)的發(fā)展和人們生活水平的提高，人臉識(shí)別技術(shù)的應(yīng)用范圍越來(lái)越廣泛，同時(shí)也對(duì)人臉識(shí)別技術(shù)提出了更高的要求。人臉識(shí)別是一門復(fù)雜且富有挑戰(zhàn)性的研究課題，尋求穩(wěn)定、準(zhǔn)確、快速的人臉識(shí)別算法是該課題的發(fā)展方向。特征提取是人臉識(shí)別算法的關(guān)鍵步驟，同時(shí)也是研究難點(diǎn)。本文將如何提取穩(wěn)定、有效的人臉特征作為研究重點(diǎn)，并主要從兩方面展開:

2、首先是對(duì)奇異值特征及其改進(jìn)算法的研究;其次對(duì)圖像全局特征以及局部特征融合算法進(jìn)行了研究。奇異值特征描述了圖像中的代數(shù)特征，具有很好的穩(wěn)定性以及旋轉(zhuǎn)、置換、位移不變性等性質(zhì)，但大量的實(shí)驗(yàn)表明，直接采用奇異值特征進(jìn)行分類時(shí)，識(shí)別效果較差，在ORL人臉庫(kù)上只有50％左右的識(shí)別率。本文通過(guò)對(duì)奇異值的分布進(jìn)行統(tǒng)計(jì)分析發(fā)現(xiàn)，將圖像子空間對(duì)應(yīng)的奇異值線性組合作為原始圖像的特征描述時(shí)，可以有效提高樣本的類間離散度，并依據(jù)子圖像法、小波子空間以及兩者相結(jié)

3、合的方式分別對(duì)奇異值分解算法進(jìn)行了改進(jìn)。此外，本文結(jié)合改進(jìn)的奇異值分解算法提出了一種自適應(yīng)權(quán)值的特征融合算法，實(shí)驗(yàn)結(jié)果證明，融合后的特征包含了更多有利于分類的信息。
　　本研究主要內(nèi)容包括：⑴對(duì)子圖像法與奇異值分解相結(jié)合的算法進(jìn)行了研究，不同于直接對(duì)圖像進(jìn)行奇異值分解，人臉圖像首先被劃分為不重疊同等大小的多個(gè)子圖像，提取各個(gè)子圖像的奇異值進(jìn)行線性組合作為人臉圖像的識(shí)別特征，此外對(duì)該算法涉及的兩個(gè)參數(shù)即子圖像數(shù)量以及奇異值的數(shù)量進(jìn)行

4、了實(shí)驗(yàn)分析。⑵對(duì)小波子空間與奇異值分解相結(jié)合的算法進(jìn)行了研究，小波變換后的圖像在頻率域被劃分為不同的子空間，提取各個(gè)子空間的奇異值進(jìn)行線性組合作為人臉圖像的識(shí)別特征，此外對(duì)小波函數(shù)的選取以及小波層數(shù)的設(shè)置進(jìn)行了分析。⑶綜合以上兩個(gè)改進(jìn)算法，提出了空間域以及頻率域相結(jié)合的奇異值改進(jìn)算法，首先將劃分后的子圖像進(jìn)行多層的小波變換，之后對(duì)每一個(gè)小波分量都進(jìn)行奇異值分解，提取每個(gè)小波分量的最大奇異值線性組合作為識(shí)別分類的特征。⑷提出了一種基于權(quán)值