人脸识别问题是模式识别中的一个研究热点,人脸识别因为其便利性被广泛应用于身份认证,破案侦查等对安全性要求较高的场所。人脸识别算法从最初的简单条件下的识别,发展到多因素复杂条件下的识别。多因素人脸识别中光照,人脸旋转,人脸遮挡,噪声污染,皮肤颜色及种族因素等都是在人脸识别中要考虑的因素。复杂条件下的人脸识别问题仍然是人脸识别领域内的一个难点。本文针对以下问题进行了研究,并且给出了解决方法。(1)针对小波阈值去噪会引入量化噪声和阈值选取不当会损坏图像边缘信息的问题,本文在小波阈值去噪的基础上融合了低秩矩阵恢复算法,提出一种融合小波变换与低秩矩阵恢复的图像去噪算法,实验结果表明本文提出的去噪算法比单一小波阈值去噪算法有更好的去噪效果,改进了算法性能。(2)本文针对采集人脸图像时会有过度曝光,阴影和噪声干扰的问题。本文将低秩矩阵恢复算法应用在人脸图像预处理阶中。实验结果表明,经过低秩矩阵恢复算法处理的人脸图像有效的改善了曝光,阴影,干扰等因素的影响,改善了人脸图像的成像质量,为后续提取高质量的人脸特征奠定了基础。(3)针对线性降维方法与浅层神经网络提取人脸特征鲁棒性不佳的问题。本文将低结合低秩矩阵恢复算法与深度神经网络算法有效的解决了这个问题。在YALE,ORL,AR人脸库上,通过设置不同的网络节点数与网络迭代次数,选取不同的训练样本数进行实验。在人脸数据库上的实验结果表明,本文算法比线性降维与浅层神经网络算法有更高的识别率和更好的稳定性。