多源人脸图像的融合识别，就是对多种传感器提供的人脸图像进行融合处理，以得到更好的识别性能。这是一个很有前景的研究课题，它是图像融合领域与人脸识别领域的交汇点，既是对人脸识别技术的发展，也是对图像融合技术的应用、验证和提高。它既不会影响人脸识别的原有优势，又能在各种复杂背景情况下，融合多种传感器提供的有用信息，提高识别的精度和鲁棒性。但是，这一新的领域目前还只是刚刚起步，有许多问题急需解决。因此迫切需要开展广泛深入的基础理论和技术的研究工作。 本文主要针对多源人脸图像在决策级的融合识别进行了深入、系统的研究。本文的研究涉及到特征提取与选择、识别匹配度获取以及基于决策级的融合识别，主要工作如下： 1. 对人脸特征提取与选择算法作了一定的研究，分析比较了主成分分析、独立成分分析、线性判别分析和局部保留映射法，并针对局部保留映射法的不足，提出了基于不相关且正交的局部保留映射法。该算法能够在保留原始数据空间的局部信息的同时，使提取的特征满足统计不相关和正交性，从而具有最小的冗余，并有利于实现原始数据的重构，应用到人脸识别中，可以提高识别性能。 2. 对识别匹配度获取方法进行了研究，提出了一种基于瑞利转换函数的识别匹配度获取算法。采用距离分类器进行融合识别，需根据每种传感器的人脸图像获得识别子决策（识别匹配度）。该算法通过设计合适的转换函数将距离转换成识别匹配度，能更精确地刻画红外与可见光传感器的识别匹配度，有效地提高了系统的识别率。 3. 对决策级的多源人脸融合识别进行了研究，分析比较了几种代表性的决策级融合算法，提出了一种基于Dempster-Shafer证据理论的融合识别算法，主要解决了对子决策的有效决策融合问题。该算法综合考虑了客观证据和信任程度，将主客观之间的信息进行最佳的匹配，由此获得问题的最优解。 4. 基于现有的以及项目组提出的多传感器图像融合识别算法，开发了一套多源人脸图像融合识别软件，为上海世博专项（I期）子课题“多源信息复合探测识别技术”进行技术演示和开发论证。