人脸识别由于具有友好性、非侵犯性等优点在金融、司法、安保领域得到了广泛的应用,成为生物特征识别等领域的研究热点。如今众多商业应用的人脸识别系统已经被推出,但现实环境存在较多不可预知因素,会较大程度影响人脸识别系统的性能。其中姿态、表情、光照等因素对人脸图像影响极大,因此人脸识别的广泛应用也同样面临着严峻的挑战。人脸识别技术的主要难点在于特征提取、特征变换和分类器设计等方面。提取有效特征是人脸识别算法的关键,特征提取的方法可以分为全局特征提取和局部特征提取。基于局部特征提取的方法对有姿态、表情和光照等变化的人脸特征有较好的鲁棒性。梯度方向直方图(Histograms of Oriented Gradient,HOG)是一种有效的局部特征提取算子,但其提取的特征过于单一不能充分描述人脸局部结构信息,因此通过深入研究HOG算法,并提出相应的改进算法。论文研究内容如下:(1)提出一种韦伯梯度方向直方图的人脸识别算法。算法中的差动激励能提取图像的结构信息和完整的纹理信息,且它提取的纹理信息更符合人类的视觉感知,而HOG能很好地描述图像梯度方向分布信息,同时对光照具有很好的鲁棒性。在YALE、ORL和CAS-PEAL-R1三个人脸数据库上进行实验,结果证明算法能有效提高识别率,且对光照、表情和姿态变化均有较好的鲁棒性。(2)提出一种融合双向梯度差分与HOG的人脸图像识别算法。首先获取人脸水平和垂直两个方向上的梯度分量脸,并将二者用梯度差分算子进行编码,然后统计HOG算子所提取的图像边缘分布特征,分块统计直方图特征信息,并将水平梯度差分、垂直梯度差分、HOG特征三部分信息加权融合,最后用最近邻分类器进行分类。在YALE和ORL人脸数据库上实验结果表明算法识别率较高,证明了算法是有效的。(3)提出HOG多方向正交梯度特征提取算法。正交梯度能很好表征人脸图像的光照不变特征,而多方向梯度信息能保留人脸图像结构变化信息和局部易分类信息。在YALE、ORL和CAS-PEAL-R1三个人脸数据库上进行人脸识别实验,结果证明本算法不仅识别率高,且对光照鲁棒性强。