基于生物特征的身份鉴别技术在社会生活中具有越来越重要的地位和作用。在多种生物认证方法中,基于人面部特征的识别和认证因为具有无侵犯性、成本低、隐蔽性好、不需要被测者特殊配合等优点,得到广泛的关注和重视,具有广泛的应用前景。而作为目前模式识别领域研究的热点同时也是难点之一,人脸的识别和认证又是一个极具挑战的研究课题。其主要的研究内容包括人脸检测技术、人脸识别认证技术及人脸表情的理解和合成等。本文主要对一种新的人脸认证方法以及相关的人脸检测图像的增强处理、人脸识别图像的预处理等方面做了相应的研究: 在人脸检测图像的增强处理方面,引入了一种新的图像对比度增强技术—对比度受限自适应直方图均衡(Contrast Limited Adaptive Histogram Equalization,CLAHE)方法。它结合自适应直方图均衡与对比度受限两种处理原理,能够在最大限度提高图像对比度的同时,使图像的灰度层次分布最佳,以得到最好的视觉效果。这使得人脸检测的准确率得到显著的提高。在BAC2005-FDIB-B人脸图像库上实验的结果证明了该方法的有效性。 在人脸识别图像的预处理方面,提出了一种新的椭圆模板规范化的方法。它利用一个标准的椭圆模板,代替传统的矩形模板以截取主要的人脸区域。通过几何校正、图像掩模、灰度归一化等过程,统一了人脸的方位和大小,减弱了光照变化对图像质量的影响,最大限度地消除了头发、背景等干扰信息,使待认证人脸图像规范化,得到了固定尺寸的人脸匹配模块。 在探索新的人脸认证方法方面,研究和实现了一个基于Trace变换的人脸认证系统。该系统首先通过trace变换,把原始人脸图像转换到trace变换空间;通过强化学习获得合适的图像分割参数后,经过阈值分割、边缘检测,得到了人脸的Trace变换特征,并以此建立了一种新的人脸表达方式;再利用一种既包含特征结构信息又包含其空间信息的相似性测度—Hausdorff关联来完成特征的匹配,从而实现了人脸的认证。对FDIB-B人脸图像库的实验结果显示,该方法可获得较好的效果。