人脸识别是模式识别的重要分支,人脸图像的检测和识别也是图像处理领域的代表性问题。由于受光照、表情和遮挡物以及人脸图像中朝向、大小差异等复杂因素的影响,使得人脸图像的识别非常困难。因此,研究准确、快速、稳定的人脸识别算法不仅对相关应用领域有重要的价值,而且可引申至目标识别、检测和跟踪等其他应用领域,具有深远的研究意义。本文针对人脸图像,提出了基于人脸关键点检测定位、Gabor块特征表征、L₀-SVM近似函数构造和DC优化求解理论进行特征选择算法和人脸识别研究。首先,对于自然场景的人脸图像,本文采用基于结构树模型的关键点检测方法,从自然场景的图像中检测得到人脸位置和68个关键点位置,并确定了人脸在图像中的旋转角度。其次,基于关键点检测得到的人脸图像,对其进行灰度化、剪切、规范大小等预处理;并在现有Gabor特征的基础上,提出利用Gabor块直方图的特征来表征人脸各个关键点位置的信息。Gabor块直方图特征,即以关键点为中心的10*10 pixel作为一个block,将其分割为5*5的cell,对每个cell中求出所有像素点对应于8个方向,得到5个尺寸大小的Gabor特征,并叠加构成该cell的Gabor特征向量,4个cell的特征向量串联构成block的Gabor特征向量,而所有的block特征串联构成人脸图像的特征向量。再次,鉴于Gabor特征向量维数过高、数量过大的特点,提出了利用L₀-SVM的特征选择方法对其降维,去除其冗余和无关的特征。基于得到的特征子集合进行人脸识别,降低了运行时间和空间的复杂度,提高了分类的准确性。进而构造了关于L₀-SVM恰当的近似函数模型,根据DC规划和DC算法的思想进行DC分解和迭代求解,并在理论上对其有效性进行论证。最后,通过数值实验对本文所提算法进行了验证,证明了所提的算法的先进性和有效性。