人脸识别属于生物特征识别技术,具有唯一性和便携性,但由于人脸具有丰富表情变化并受到外界光照、遮挡等因素影响,使其识别具有一定的难度和挑战性。稀疏表示理论应用于人脸识别领域具有重要意义,能够有效克服人脸的多变性,获得了国内外学者的广泛关注。目前稀疏表示的算法研究主要从稀疏表示的字典设计或分解算法进行单方面的研究,存在以下问题:(1)目前的研究虽然提出了多种稀疏分解算法及字典的设计方法,但缺少有关这些方法性能对比评估的研究成果。(2)目前人们用于人脸识别的稀疏表示方法都没有分别考虑字典学习和稀疏分解方法的性能,而是直接采用了某一种特定字典和某一种特定稀疏分解算法,因此得到的稀疏表示方法性能不能做到最好。针对以上问题,本文基于国内外的研究成果分别从字典设计和分解算法两方面进行实验对比,根据不同字典的构造特点和设计方法,与多种不同特点的分解算法相结合,对稀疏表示算法进行深入的研究并进行了大量实验,获得字典方法和分解算法相结合的最佳方案,给出性能更佳的有实际意义的稀疏表示方法,为其他研究人员使用稀疏表示方法解决实际问题提供参考。主要研究内容如下:(1)从稀疏表示字典设计和稀疏分解算法的研究进展综述了稀疏表示理论在人脸识别领域的应用和发展。(2)根据稀疏表示研究的核心内容分析了典型冗余字典的构造方式和稀疏分解算法,针对贪婪追踪算法和松弛优化算法,通过实验分别对一维信号和二维图像信号进行研究,对比分析了正交匹配追踪算法、截断牛顿内点法、同伦算法、快速迭代阈值收缩法和增广拉格朗日算法的性能,对稀疏表示算法的后续研究具有一定的指导意义。(3)研究了基于分析字典稀疏表示分类算法的人脸识别。在稀疏表示分类(SRC)算法、扩充稀疏表示分类(ESRC)算法和叠加稀疏表示分类(SSRC)算法原理的基础上,通过实验对比评估了经典SRC、ESRC和SSRC算法用于人脸识别的准确性以及算法特点。并采用多种稀疏分解算法对SSRC算法进行改进,提出了TSSRC、PSSRC、DSSRC、FSSRC改进算法,基于单样本人脸图像、FERET和AR人脸数据库进行仿真实验,对它们的性能进行对比评估,给出了性能更佳的稀疏表示方法,为其他研究人员使用稀疏表示方法解决实际问题提供参考依据。(4)研究了基于学习字典稀疏表示分类的人脸识别算法,并进行仿真实验。利用经典的K-SVD算法、判别性K-SVD算法(D-KSVD)、类标一致性K-SVD算法(LC-KSVD)和基于Fisher准则字典学习的稀疏表示算法(FDDL)进行仿真实验,通过实验对比评估以上4种算法用于人脸识别的性能。在此基础上采用多种稀疏分解算法改进FDDL算法的字典学习过程,提出了FDHDL、FDTDL、FDPDL、FDDDL、FDFDL算法,并基于单样本人脸和人脸数据库对改进算法进行对比评估,得出了FDFDL稀疏表示分类算法在准确性和学习效率性能最优的结论。(5)根据以上的研究内容,编制了基于稀疏表示的人脸识别系统界面,选择了Yale人脸库和实验室采集的人脸数据库进行实验验证。实验结果表明,本文基于SSRC和FDDL的改进算法对人脸识别具有较好的精度,也有效提高了计算效率,对人脸识别的研究具有一定的实际意义。