基于生物特征的识别技术是一门利用人类特有的个体特征来证实个人身份的科学,它提供了一种基于惟一的、高可靠性和稳定的人体生物特征的新的身份鉴别途径,是一种最安全的身份识别方式。人脸识别技术是该技术的一种杰出代表,本文深入研究了运用计算机进行人脸识别的技术,主要内容及贡献如下: 对模糊边缘检测方法进行完善,使之成为一种自动的边缘检测算法; 提出两种新的隶属函数的定义形式并采用不同的增强算子来实现边缘的自动检测; 对Pal和King提出的模糊边缘检测方法进行了改进; 对多阈值图像的边缘检测问题进行了推广; 对基于K-L变换的彩色图像边缘检测和边缘图的彩色重显进行了研究。提出了四种选择阈值方法:基于最大相关准则的阈值处理算法、二维最大相关阈值法、基于灰度梯度共生矩阵模型的最大熵阈值处理算法、二维最小误差阈值法。基于最大相关准则的阈值处理算法运算量很小而分割效果良好。二维最大相关阈值法、基于灰度梯度共生矩阵模型的最大熵阈值法和二维最小误差阈值法既利用了图象的灰度信息又利用了图象的邻域平均灰度(梯度)信息,这三种方法均具有良好的分割效果。研究了基于K–L变换的特征提取问题。提出采用Ohta最优基来模拟K–L变换,从而将一幅彩色人脸图像转换成人脸灰度图像,再采用特征脸方法来进行人脸识别的基于K–L变换的彩色人脸图像识别系统的基本框架。研究了基于Fisher最佳鉴别向量的人脸识别技术。提出了采用主分量分析(PCA)方法减少特征空间维数的基于Fisher线性判别的彩色人脸识别方法。讨论了基于奇异值特征向量的人脸识别技术并将其推广到具有多个鉴别向量的人脸识别问题。为了进一步降低奇异值特征空间的维数,提出了几种基于奇异值特征向量的人脸识别方法,即:基于奇异值特征向量的PCA识别方法、基于奇异值特征向量的Fisherfeature识别方法、基于奇异值特征向量的DKL识别方法。