人脸识别技术一直以来都是研究者们致力于研究的方向之一,由于人脸图像中的人物表情、姿态、面部饰品等方面的变化,人脸识别工作一直以来都是一个较为困难的工作,但经过研究者们的不懈努力,人脸识别技术已经具有较好的性能,但对于人脸图像稀疏的情况下的人脸识别技术还需要有研究者投入研究。当人脸图像较为稀疏的情况下,图像中的人脸特征将有很多被丢弃,因此在识别过程中很难准确的对人脸图像进行分类识别,综上所述,本文针对稀疏的人脸图像的识别工作进行了深入的研究,并取得了以下成果:(1)提出了基于ENMF的图像增强算法正如上文所述,人脸图像的稀疏问题为人脸识别工作带来了很大的阻碍,因此本文提出了基于ENMF的图像增强算法,通过利用ENMF算法对稀疏的人脸图像灰度矩阵进行重建,在保留原有人脸图像特征的前提条件下,令重建的矩阵变得稠密化,解决人脸图像稀疏的问题,最后再将重建的矩阵转为人脸图像用于后序的工作。(2)提出了基于ENMF的稀疏人脸图像识别系统如上文所述,本文的研究核心是为了解决稀疏的人脸图像的识别问题,因此,本文提出了基于ENMF的稀疏人脸图像识别系统,并给出了系统的设计框架和工作流程,以及其中的算法细节。该框架通过ENMF算法对稀疏的人脸图像进行增强,之后利用增强图像,通过PCA技术进行人脸识别,最终得到人脸图像的身份标签。最后,利用剑桥大学AT&A实验室提供的ORL人脸图像数据集进行了实验,首先将数据集中的人脸图像稀疏化,然后通过本文提出的识别系统对稀疏的人脸图像进行识别,以验证系统的性能,实验结果显示,经过本文提出的系统进行人脸识别的准确率远远高于原有稀疏图像的识别准确率,且已经接近原始图像的识别性能,因此可以说本文提出的方法对于解决稀疏的人脸图像的识别问题是行之有效的。