人脸识别技术由于其需要最少的人机交互,因此被认为是最有效的生物特征识别系统。从而吸引了大量的科研专家加入到人脸识别领域,并且设计了许多相关算法,其中有一些方法已经应用到了实际生活,并取得了一定的成效。然而,在实际操作中依然存在一些没有解决的问题,例如人脸图像采集容易受到其他条件的干扰,从而导致样本不足。此外,传统的稀疏表示方法并没有考虑到人脸图像中的非线性信息。这些都会影响人脸识别的效率,因此本文针对这些实际存在的困难设计了两种改进算法。1、本文设计了一个基于核稀疏表示的判别人脸识别方法。其主要由三部分组成:/2正则化,核技巧和具有判别性的人脸表示算法。首先,该方法是基于/2正则化框架的,相比较传统的基于l1正则化求解表示系数,则算法的运行效率得到了保障。其次,一般的人脸识别算法在原始样本空间的分类过程中忽略了图像的内部关系,如非线性信息。本文巧妙的使用核函数解决了这个问题。最后,该方法通过设置一个特殊的目标函数,可以有效地增强不同类人脸样本的区别,从而可以对每个测试人脸图像产生判别表示,进一步提高了算法的识别准确率。在公开人脸集上分别运行了多次实验,其结果表明该方法具有很好的特性。2、在人脸识别领域,是否具有足够多有效信息的人脸训练样本对于最终的识别结果至关重要。然而由于人脸图像的复杂性,人脸识别容易受到照明强度、表情、发型和遮挡等外部环境的影响。因此,在现实操作中采集到充足的具有有用信息的图像很困难。本文设计了一个利用奇异值分解生成虚拟图像的新算法。虚拟图像不仅增加了数据集中样本的个数,而且能很好地适应测试图像。此外,算法中使用加权得分融合方案来计算最终结果,可以更好地利用不同来源的数据,包括原始图像和虚拟图像。在几个人脸集上执行所提出的算法,其最终的实验结果证实本文所提出来的第二种算法可以获得令人满意的性能。