随着社会的发展、科技的进步,人们开始意识到信息安全的重要性。利用生物特征信息的稳定性和个体差异性来快速鉴别个人身份信息成为安全领域的首选方式,以保障国家和公民信息安全。人脸识别系统具有非接触、友好和方便的特点,引起国内外研究者的关注,成为生物特征识别中应用最广的方法。人脸识别涉及多个领域,例如图像处理、模式识别以及计算机视觉等,具有很高的理论意义和实用价值。特征提取和分类识别是人脸识别系统中的关键环节。2008年,Wright将稀疏描述引入人脸识别系统,提高了系统的识别性能。本文在SRC研究的基础上,提出了两种改进算法,并将其在人脸数据库上验证。论文的主要内容如下:首先简要阐述了人脸识别技术的发展历程、在实际生活中的应用和存在的问题等。详细分析了人脸识别系统中几种典型的特征提取方法,包括主成分分析法、线性鉴别分析、局部保持投影和局部二值模式等,比较了相关方法的优劣之处;提出了一种基于梯度约束的分块稀疏表示的人脸识别方法。从稀疏表示分类着手,重点描述了稀疏表示的原理。对图像进行分块处理有利于提取图像的特征,将梯度信息引入人脸识别系统,设计了一种基于梯度约束的分块稀疏表示的人脸识别方法。先分别将训练样本和测试样本分块,然后引入梯度约束信息,提取LBP特征构造新的样本图像;最后用稀疏表示分类的方法对测试样本进行分类识别;并将提出的方法与LR、SRC和DLRR相比较,根据仿真结果对比分析发现,提出的方法在无遮挡和数据损坏的情况下,都能保持较高的识别率;提出了一种基于字典分解稀疏表示的鲁棒人脸识别方法。构造一个鲁棒的字典对人脸识别至关重要,先将字典分解成特定类字典、非特定类字典和稀疏误差矩阵;为了修正被损坏的测试数据,将数据投影到相应的子空间,并在原始训练数据和特定类字典之间学习投影矩阵;利用特征脸法提取出特定类字典的特征和修正后的测试数据;用正则化SRC对测试样本进行分类。仿真结果表明,识别性能有较大幅度的提升。