隐马尔科夫模型作为一种基于生成概率的模型方法,由于其模型的简洁性,模型之间的不相干性,已经广泛应用于图像分割、模式识别、信号预测等领域;本文在前人研究工作的基础上主要做了如下几项工作:1.对人脸识别的子空间分析法进行了研究,重点研究了一维主成分分析、一维Fisher鉴别方法;接着介绍了性能更好的扩展算法二维主成分分析、二维Fisher鉴别方法;同时讨论了训练样本数、特征维数对识别性能的影响,并给出了相应的训练时间与识别时间,便于工程应用。2.相比传统的三个问题解决方式分析隐马尔科夫模型,本文从隐马尔科夫模型运行机理入手对其进行了阐述,从概率求解出发,结合最大似然参数估计方式很自然地得到参数重估方法,这样更容易形成理论体系;其次,由于在图像压缩标准JPEG2000中采用小波变换代替离散余弦变换,本文尝试用小波变换提取特征,然后将其应用隐马尔科夫模型进行分类;最后,考虑到单一特征的鉴别力相对偏弱,故利用特征融合的策略将小波特征、主分量特征、二维离散变换特征进行了两两融合及三者融合,再用隐马尔科夫模型进行分类,得到了比较稳健的算法结构。3.重点分析了伪二维隐马尔科夫模型的双嵌入式Viterbi解码算法,采用小波变换代替离散余弦变换提取特征,用伪二维隐马尔科夫模型分类,得到了不错的识别结果;除此之外,将二维离散余弦变换与小波变换的特征融合起来,得到更有鉴别力的特征,再利用伪二维隐马尔科夫模型分类,则得到更为稳健的人脸识别;同时本文也给出了详细的模型训练时间与识别时间做为工程应用参考。4.通过引入Fisher核,将隐马尔科夫模型与鉴别分类方法结合起来,生成更有鉴别力的Fisher域特征;同时考虑到不同类模型对样本的鉴别力不同,将多类映射原理引入到特征生成过程,具体就是将多类的Fisher域特征串接,进一步提高生成特征的鉴别力;最后讨论了对模型不同参数映射所生成特征的鉴别能力及选择多少类进行映射使得生成特征具有最优的性价比。