人脸图像在拍摄、压缩和传输过程中往往会存在不同程度的降质。通过人脸图像质量评价,可有效限制低质量的人脸图像输入到人脸识别算法或系统中,从而有效提高人脸识别的性能。由于在人脸识别实际应用中,一般无法得到高质量的人脸参考图像,因此,对人脸图像质量的评价需采用无参考评价。很显然人脸图像质量的无参考评价研究难度较大,故而它也是图像质量评价领域的热点研究问题。光照和清晰度失真对人脸识别性能的影响较大。现有的人脸图像光照质量评价方法对光照失真如光照对称性和光照强度缺乏整体的考虑。另外,在人脸图像清晰度质量的评价方面,基于人类视觉系统相关特性的评价方法更符合人眼主观评价机制,使之成为图像清晰度质量评价颇具特色的研究方向。基于此,本文展开对人脸图像的无参考光照质量评价和清晰度质量评价的相关研究。本文的主要研究内容如下:①在调研了人脸图像质量评价方法的国内外发展现状的基础上,本文分析和研究了人脸图像的主客观质量评价方法。在介绍国际标准组织已通过并公布的人脸图像质量标准后,从光照质量和清晰度质量两个角度开展了人脸图像的无参考质量评价研究。②研究了人脸图像的无参考光照质量评价方法。首先分析人脸图像的光照失真。然后,基于人脸对称性对通用图像质量指标进行改进,提出一种相关性加权的光照对称性评价方法。然而,光照对称评价无法反映光照强度的特性。进而,通过对光照变化图像的灰度直方图分析,提出一种计算人脸图像全局光照强度的方式。最后,本文提出以乘积的方式融合光照对称性与全局光照强度,从整体上实现了无参考人脸图像光照质量评价。在相关人脸图像库的实验验证了,本文提出方法与主观评价结果有较好的一致性。③研究了人脸图像清晰度质量的无参考评价方法。在明确人脸图像清晰度和模糊度概念的异同并分析清晰度质量评价方法的性能评价指标后,基于人类视觉系统特性和边缘检测研究了一种人脸图像清晰度质量无参考评价方法。该方法首先根据人类视觉系统相关特性对人脸图像进行亮度掩盖和空间复杂度掩盖;然后通过小波变换提取不同分辨率下的人脸图像的边缘轮廓图,并使用心理函数和恰可感知模糊模型求取不同分辨率下的感知边缘图;最后,统计每一级感知边缘图的感知边缘像素总数和在每一级分辨率水平下的感知模糊像素总数,将二者的比例作为感知模糊质量因子,求取感知模糊质量因子在每一级分辨率下的权值,用平均加权方式得到清晰度质量分数。通过相关人脸图像库的实验表明,本文的方法在评价具有高斯模糊和散焦模糊的人脸图像的清晰度时性能较好。④人脸图像的无参考光照质量和清晰度质量评价方法在人脸识别中的应用。首先,使用本文提出的无参考光照质量和清晰度质量评价计算人脸图像光照质量分数和清晰度质量分数,根据实验设定质量分数阈值,剔除掉部分质量差的人脸图像。然后,将质量较好的人脸图像作为人脸识别算法或系统的输入图像。通过对有无质量评价的人脸识别效果的比较,得出本文提出的人脸图像质量评价方法是有效的。本文在Extended Yale B人脸库和CMU PIE人脸库上开展基于人脸图像光照质量无参考评价的识别实验。在***公安局提供的人脸图像库上进行人脸图像清晰度质量无参考评价及识别实验。实验结果表明,人脸识别引入本文提出的人脸图像质量无参考评价方法后,可以有效提高识别的性能。