人脸识别技术是计算机模式识别领域非常活跃的课题方向之一,在法律、商业等领域有着广泛的应用前景,近年来,广受关注。但由于人脸图像的特殊性,人脸识别问题也是模式识别领域的一个相当困难的问题。目前由于众多研究者在这一领域的研究使得该技术有了一定的发展,但若要使这一技术相对成熟并可广泛应用到实际中,还有很多工作需要去做。本文结合独立成分分析(ICA)人脸识别方法,对其中的部分问题分别进行了深入的研究与探讨。本文工作包括:1、实现了基于核独立成分分析(KICA)的人脸识别算法。采用了Bach(2002年)提出的KICA的概念,将其应用到基于图像整体代数特征的人脸识别中。主要介绍了KICA算法的原理,对其在人脸识别中的应用做了一定的研究,并介绍了实现过程。利用MATLAB仿真在ORL和IITL人脸库上进行人脸识别实验,实现了基于核的独立成分分析(ICA)的人脸识别算法,得到了较好的识别效果。2、针对传统的ICA算法存在的计算复杂度过高,训练和识别消耗时间过多的问题,通过对一般的用于人脸识别的小波变换(WT)方法加以改进,实现了一种基于WT的ICA算法。该算法的实现过程如下:首先将人脸图像分解成不同的频率子带,对其中包含人脸主要信息的低频子带运用ICA求取基向量,然后基于这些基向量张成的子空间实现人脸识别。经过在ORL人脸库中仿真实验验证得知:经过小波变换,训练和识别消耗的时间大大减少,计算复杂度降低,但识别效果却并未减弱。3、针对由于表情、角度、光照条件的改变造成的识别率降低;以及由于图像尺寸偏大造成的识别复杂度增加、识别时间过长的情况,实现了融合人脸图像的整体和局部信息及融合PCA、ICA、WT进行的人脸识别。该算法首先利用WT对所有图像进行压缩,然后利用PCA进行人脸整体信息的识别,ICA进行人脸局部信息(比如眼睛)的识别,最后利用相似性度量分类器获得了很好的识别效果。该算法既利用了WT、PCA降维的优势,又利用了ICA对局部信息进行识别。结果表明:该方法比单独利用PCA算法提高识别效果,同时也比单独利用ICA提高训练及识别速度。在对AR库、FERET库、IITL库进行的仿真实验中,取得了良好的识别效果。