人脸识别方法的研究一直是图像识别领域中的热点。因为人脸不是刚性的,容易受到表情、姿态和光照的影响,这些因素给人脸识别带来了一定的困难。目前所研究的人脸识别方法都是针对特定环境的,但是人们忽视了一些特殊人群的人脸识别,即脸上有黑痣或胎记的人。在医学上称黑痣和胎记为色素痣或斑,本文中将黑痣和胎记统称为面部特征。对具有面部特征的人群研究一种快速准确的人脸识别方法对访问控制、公安刑侦等工作有重要作用。本文从人脸识别的过程出发,试图找到一种适合于这部分人的人脸识别方法。在图像预处理阶段,首先对图像大小和灰度归一化;其次为了突出图像中所感兴趣的面部特征,对图像进行了灰度增强和特定的拉伸;最后对面部特征进行分割,分割的方法主要采用阈值和区域生长的方法。在特征提取阶段,根据面部特征的先验知识,分析了几何特征法、局部PCA方法和小波变换方法,并对这三种方法进行了比较,可知它们都能够保留图像的主要特征,降低特征维数。几何特征方法对人脸的姿态有一定的鲁棒性,但是忽略了人脸其他部件的信息,只适合于粗分类;局部PCA方法分块方式不确定,计算复杂;利用小波变换的方法能够提取图像的局部信息,而且这些局部特征对亮度和姿态不敏感,实现较简单,但用该方法需要进行降维处理。综合考虑这三种方法,选用小波变换方法表示人脸图像,而且将面部特征作为鉴别像素,提取局部图像的Gabor特征。在决策分类阶段,对最近均值法、BP神经网络方法和线性判别分析(LDA)三种分类方法进行分析和比较。因为线性判别方法能够体现样本之间的差异,使类内散布程度达到最小,同时类间散布程度达到最大,所以本文采用Gabor小波变换和LDA相结合的方法进行人脸图像识别,将局部Gabor-LDA特征向量和全局LDA特征向量融合后作为判别向量,并利用复向量的概念对特征融合的方法进行了改进,实验证明该方法能够有效地识别具有面部特征的人脸图像。