人脸识别是一个十分活跃的研究领域。基于机器视觉和人工智能理论的人脸识别技术具有广阔的应用前景。近二十年来,人脸识别技术已取得很大进展。但识别精度仍然受到光照、位姿、表情、时间跨度以及其它随机因素变动的困扰。进一步提高人脸识别性能的研究是一项有挑战性难度的课题,具有重要理论意义和实用价值。本学位论文对人脸识别研究中下述关键内容进行了研究。(1)光照规范化及差异补偿光照差异是干扰人脸识别精度的最主要因素之一,为消除光照差异的干扰,本文提出了一种光照规范化方法。采集图像是外界光照强度与物体表面反射属性综合作用的结果。在无遮挡情况下,图像中光照强度沿几何空间的变化是缓慢连续的,相邻像素的光照强度相仿,可以通过亮度比值运算约去。因此邻近像素的亮度比值近似等于对应位置的反射属性比值。计算一像素与其邻域内所有像素的亮度比值,将这些比值进行合理卷积,卷积结果可定义为综合表征该像素表面反射属性的特征,在不同光照条件下保持稳定不变,称为本征亮度值。以本征亮度值构建的图像可作为光照规范化图像。在卷积综合中,除对像素间空间距离作卷积之外,本文还增加亮度差卷积计算,以消除亮度相差较大区域边界附近因跨界卷积而产生的斑迹,进一步提高了光照规范化图像的质量。本文还对采集图像中遮挡阴影区域的检测和光照补偿原理及方法作了探索研究。(2)面向人脸检测的专用域灰度差特征的构建人脸图像共性的灰度分布模式是人脸检测处理的重要依据,域灰度差特征具有健壮的区分域间灰度分布关系的能力。2001年Viola和Jones提出的采用类Haar灰度差特征人脸检测算法,检测性能取得显著进展,但Viola-Jones算法中,采用的灰度差特征数量太大。本论文提出一种面向面部灰度分布结构的专用域灰度差特征的构建理论方法。以人脸数据集中像素平均灰度与灰度变化标准差的比值作为表征该像素位置明暗的统计性参数,然后按灰度明暗统计参数,对图像划分明暗区域组建专用域灰度差特征。由于这些专用域灰度差特征是依据人脸灰度分布模式构建的,因此对人脸具有很强的检测能力。本文还提出一种表征整体灰度分布的灰度分布状态特征。在试验中,本文研发的原型系统仅采用28个专用域灰度差特征及1个整体性灰度分布状态特征,就达到了与采用数以千计Haar类灰度差特征的Viola方法相仿的检测率。(3)Gabor特征和曲线波特征融合的人脸识别信息融合能够为识别系统提供更多的信息线索和评判依据,是提高识别性能的有效途径。Gabor特征和曲线波特征都具有很强的多尺度纹理描述能力,但侧重不同,具有良好的互补性。本文研讨了Gabor特征人脸表示和曲线波特征人脸表示在评分层和在特征层的信息融合算法,分别提出一种评分规范化处理方法和GCF(Gabor Curvelet Fusion)融合特征构建方法。在评分层融合中,将基于不同原理求得的评分先规范为统一表征识别失误率的评分值,再由SVM方法进行评分合成。在特征层融合中,首先对Gabor小波特征和曲线波特征分别作主分量分析(PCA)和线性判别分析(LDA),降维并强化其分类区分能力；再通过典型相关分析(CCA)导出两者相关紧密的投影序列,按两序列对应项相加组成单一序列,本文称之为GCF融合特征。在MBGC测试集上的测试结果表明,采用评分层融合和特征层融合都可有效降低识别失误率,其中采用GCF特征融合进行识别处理效果更好,与单独采用Gabor特征或曲线波特征进行识别处理相比,失误率降低了30%。论文最后一章对已完成的研究工作内容作了简要总结。人脸识别作为一项正在快速发展的技术,目前仍存在许多亟待解决的原理性困难问题,本文也对后续研究的若干研究方向和问题作了展望和建议。