作为当下信息技术和人机交互领域最热门的研究方向之一,人脸识别技术得到了科研工作者的大量研究并在现实社会诸多领域逐步得到应用。相较于其它生物特征识别技术,人脸识别在个人身份验证方面具有简洁高效等应用优势,极具科研价值和应用前景。近几十年内大量的识别算法和实现方式产生,并在国际权威人脸识别数据库中实现了很高的识别精度。但是,目前人脸识别技术仍然面临诸如光照不足、小样本、图像采集设备局限等多方面问题,在金融支付、信息隐私保护等实际场景中的应用受到局限。分数阶傅里叶变换(FRFT)作为一种基于变换域的方法,可以将灰度人脸图像映射到Fourier域进行分析,不仅能够实现更有效的特征提取,而且具有更好的普适性和灵活性,因此基于分数阶傅里叶变换的人脸识别相对于传统特征提取方法具有优越性。本文通过理论论证和实验分析,证实所提出的基于FRFT相位谱的人脸识别方法较原有同类型方法在识别率和鲁棒性方面具有提高,主要内容如下:本文首先分析了多样本和单样本人脸识别目前发展状况及面临的难点,在此基础上提出利用分数阶傅里叶变换提取人脸特征的方法。介绍了FRFT的基本定义、主要性质和快速离散算法,着重研究了其二维形式以及在人脸识别中的应用,详细对比分析了人脸样本图像在分数阶Fourier域的相关性质,从信号分析和图像处理两方面证实了分数阶Fourier域相位部分包含更多底层判别特征,有利于特征提取和识别。在人脸全局特征提取方面,本文提出了一种基于多阶次FRFT相位谱带加权融合的人脸识别方法。通过采用分数阶傅里叶逆变换获得样本FRFT相位谱,消除了样本中的冗余信息并提取相位特征;通过对信息融合方式进行优选,对FRFT相位谱进行谱带划分和融合,不需要进行图像到向量的转换并且能很好保留原始样本判别特征;通过采用贪心算法选取阶次参数,并提出二维判别准则为选取阶次分配权重平衡不同阶次特征,充分利用不同阶次Fourier域内包含的平滑信息和细节信息,有效降低外部因素尤其是光照对人脸图像的影响,进一步提升算法识别效率和鲁棒性。针对系统中只有一张样本存储或登记的情况,本文提出了一种基于FRFT相位谱多流形特征匹配的单样本人脸识别算法。通过FRFT相位谱表征人脸能够有效发现样本内部不受年龄影响的本质特征,提高算法对年龄因素的鲁棒性。通过样本分块化处理使算法充分利用样本局部特征和局部相位谱块间的几何信息,专注于对图像细节信息的把握,并且解决了单一训练样本无法通过传统算法估算类内散度矩阵的问题。受局部线性嵌入算法近邻点线性重构启发提出流形间重构间距准则进行分类识别的方法。综上所述,为了解决现有多样本和单样本人脸识别技术中存在的不足,本文针对分数阶傅里叶变换进行了研究和改进并提出了新的算法。通过在不同人脸库中进行仿真对比实验证明所提方法取得了不错的识别效果,具有较大的研究价值和应用前景。