人脸识别,作为生物特征识别的一种,是计算机视觉、模式识别和生物测定学中最热门的研究领域之一。相对于其他生物特征来说,人脸识别具有很多优势,除了自然性和非入侵之外,人脸识别最大的优势就是可以远距离获取并且方式友好,不需要对象的配合。近年来,随着计算机技术的迅速发展,人脸识别技术得到广泛地研究与开发,各种人脸识别算法的文献大量涌现。现有的人脸识别系统在用户配合、采集条件比较理想的情况下可以取得令人满意的结果。然而,人脸图像在变化的光照、面部表情、姿态、遮挡等非理想情况下的识别性能依然面临着很多挑战。特征提取是人脸识别系统最关键的环节之一,它可以提供人脸图像的有效表示,从而减少计算复杂度,更有利于分类。一种好的特征提取方法能够大大提高人脸识别系统的识别率。本文基于小波变换和Gabor小波变换这两种多尺度多方向的特征研究有效的特征提取方法。本文的主要贡献如下:(1)基于主成分分析(principal component analysis,PCA)的思想提出了一种新的顶层小波子带像素级和特征级融合的人脸识别技术(TWSBF+PCA)。传统的基于小波变换的人脸识别算法直接利用小波变换的低频子带提取面部特征,但是高频子带尤其是顶层的高频子带也包含了人脸的重要信息,它反映了人脸的边缘和轮廓,体现了人脸丰富的细节信息。结合PCA的思想,我们将找寻高频子带的最优像素级融合系数转化成一个优化问题,并利用交替的思想设计算法同时求解变换矩阵和最优融合系数。提出的方法充分利用了顶层的四个小波子带的信息而不是只用低频子带的信息。通过数值实验可以看出,我们的算法都更有效而且更鲁棒。(2)基于线性判别分析(linear discriminant analysis,LDA)的思想对顶层小波子带像素级和特征级融合的人脸识别技术进行了改进(TWSBF+LDA)。首先,将LDA的思想用在找寻高频子带的最优融合系数向量上,充分利用人脸图像的类别标签,能够保留更多鉴别能力高的特征。第二,将像素级融合和特征级融合有效地结合起来,使得提出的特征提取方法能够保证顶层四个子带的信息充分利用起来,避免了高频信息的丢失。第三,我们将找寻最优的融合系数向量转化成一个优化问题,并利用交替的思想设计算法同时求得最优融合系数向量和变换矩阵。实验结果说明TWSBF+LDA和TWSBF+PCA相比有很大的改进。(3)提出了一种基于局部二值模式(local binary pattern,LBP)预处理和小波变换的新的人脸识别算法。首先对给定图像进行LBP编码,得到LBP图像,然后在LBP图像上进行小波变换,提取鉴别特征,最后用低频LBP子图进行识别。在LFW,Extended YaleB和CMU-PIE人脸数据库上的数值实验结果说明我们提出的方法和相关方法相比表现更好,在一定程度上解决了变化光照下的人脸识别问题。(4)结合LBP的思想,从对应于同一尺度不同方向的Gabor小波变换得到的子图中提取出一种新的特征——Direction-Gabor LBP(D-GLBP)。D-GLBP和它的扩展充分利用了Gabor子图之间的关系,克服了下采样容易丢失信息的缺点并且对噪声和光照变化具有鲁棒性。数值结果说明D-GLBP和它的扩展是人脸识别特征提取的有力工具。(5)提出了新的人脸描述子——Scale-Gabor LBP(S-GLBP),该描述子充分挖掘了Gabor小波变换后对应于同一方向不同尺度下子图的整体和近邻关系。和其他相关方法相比,S-GLBP利用了近邻Gabor子图之间的深层关系而不是直接将Gabor小波变换和LBP结合。另外,使用较少尺度的Gabor滤波器可以得到更好的效果,在降低计算量的同时还提高了识别率。数值实验结果说明我们提出的方法和相关方法相比有更大的优势。