在生物特征识别领域中,人脸识别被认为是最常用的一种模态。由于人脸识别技术具有良好的高普遍、非接触、非打扰等优势,所以在很多领域例如刑事侦查、疑犯追踪、门禁系统、监控以及信息安全等方面得到了成功应用,尤其在近些年,人脸识别技术得到了广泛的关注和研究。人脸识别技术主要包括三个方面:人脸检测,特征提取和分类器设计,本文主要从人脸图像的特征提取和分类器的设计两方面进行研究。由于实际环境(如监控)中常常会遇到大量低分辨率的人脸图像,如果使用传统的方法直接提取图像特征,结果往往达不到人们的满意,因此为了克服低分辨率这个因素对人脸识别结果的影响,论文提出了一种基于Gabor-LDA特征融合提取方法。首先,把原始图像(低分辨率)分解成三种不同分辨率的图像,然后把该三种图像作为Gabor小波提取人脸特征的基础,再利用线性判别分析对得到的高维特征进行初步的降维特征提取。然后对提取特征后的三个不同尺度的多分辨率图像进行多种结构融合,以及再利用线性判别分析法进行二次降维,消除冗余,最后使用K近邻分类器进行分类预测。由于人脸特征之间相差很小,假如直接使用K近邻分类器进行人脸图像分类,效果往往很差,因此本文针对这点又提出了基于相关系数的K近邻分类器进行分类,使用相关系数来作为评判对象之间的距离标准。最后论文使用ORL、YALE和AR三种标准人脸数据库进行对比实验,实验结果表明:基于Gabor-LDA特征提取方法能提取更多更有效的人脸特征;同时基于相关系数的K近邻分类器应用在人脸识别领域能够有效的提高人脸识别的准确率,具有一定的理论价值与实用价值。