人脸识别与其他人体生物特征识别相比具有明显优势,在身份识别、自助服务、信息安全和视频监控等方面具有广泛的应用。在理想环境下,人脸识别系统具有较好的鲁棒性。然而,当待识别人脸存在明显的亮度、姿势变化及眼镜遮挡等非受控因素影响时,识别系统性能急剧下降。近二十年来,面向非受控场景的人脸识别成为模式识别领域的研究热点问题。人脸图像中遮挡的存在极大地降低了对其分类判别的能力,为此,本文主要探讨了基于遮挡区域消除的人脸识别。论文首先研究了基于图像分割的人脸图像遮挡区域提取方法,然后针对光照不均衡会引起遮挡区域分割效果欠佳的问题,提出了两种新的图像预处理算法以增强图像遮挡区域的轮廓信息,从而有效提高分割算法对遮挡区域的检测能力。本文的主要研究工作包括:(1)开展了基于稀疏编码及线性回归的人脸识别方法研究。主要完成了对相关分类算法的实验仿真,为后续研究工作的展开奠定基础。首先,深入研究了几种特征提取算法、稀疏编码、线性回归人脸分类算法的基本理论和具体算法;然后,对无遮挡人脸图像,采用全局或局部的特征提取算法,并结合相应的分类算法进行系统仿真,比较了各分类算法的性能;最后,讨论了基于整体图像和分块图像采用不同分类方法的遮挡人脸识别性能,分析了采用不同分块模式时的识别性能。(2)探讨了基于异值区域消除的遮挡人脸识别方法。图像分割理论可对图像遮挡区域进行有效去除,针对部分遮挡人脸识别问题,提出一种基于异值区域消除的遮挡人脸识别算法。该算法的关键在于寻找更好将遮挡区域和非遮挡区域有效区分的待分割图像。本文基于人脸无遮挡图像与有遮挡图像具有明显可分性的特性,经由遮挡人脸图像与干净训练图像形成的平均脸图像产生误差图像,该图像的提取过程简单、快速,且后续用于人脸识别的分类算法不再受限。实验结果表明,与同类方法比较,该方法在具有计算相对简单的基础上展现了较好的识别性能提升。但算法对受不均匀光照影响的遮挡人脸图像,识别性能有待进一步改善。(3)提出了基于低秩矩阵分解的光照均匀化人脸图像预处理方法。测试样本中存在不均匀光照影响时,单纯利用测试样本和训练样本平均脸图像做差的误差图像,对光照变化不均匀较为敏感,直接利用该误差图像降低了分割算法的分割能力。考虑低秩矩阵分解算法对人脸中的异样成分具有较好的消除效果,针对受不均匀光照影响的遮挡人脸图像,提出了基于低秩矩阵分解的光照均匀化预处理算法。通常将干扰图像与干净图像共同构成低秩矩阵分解中的数据矩阵,以此消除人脸图像的非受控因素。但对本文研究来说,我们的最终目标是在去除不均图像匀光照的同时得到清晰的遮挡轮廓。因此,本文算法中利用扩展的测试人脸图像构成低秩矩阵的数据矩阵,提出了一种新的光照均匀化预处理算法。首先,基于人脸图像具有的左右对称性,得到一组扩展的测试人脸图像;然后,由矢量化的扩展测试人脸图像构成矩阵,并通过低秩矩阵分解技术提取出光照均匀化处理后的测试人脸图像用于后续的识别。仿真实验结果表明,本文方法对于改进具有左右对称特征的人脸遮挡区域检测,有效提升识别系统的性能有明显效果。