人脸识别技术因其具有重要的科学意义和实用价值,在近几年得到了研究者的高度重视,成为当前模式识别和人工智能领域的一个研究热点。人脸识别一般分为人脸检测、特征抽取和模式分类三个部分。人脸识别过程中会遇到各种各样的难题,其中样本维数高、类别数大以及每人只能提供少量的训练样本都是亟待解决的难题。本文针对以上问题进行了研究,在综合分析了以往的人脸识别方法的基础上,从特征提取、虚拟图像生成和分类识别三个方面着手,提出了基于虚拟图像生成和融合隐马尔可夫模型(HMM)的单样本人脸识别算法,并设计实现了相应的原型系统。本文的工作主要包括:(1)提出了一种融合双向二维线性鉴别分析(B-2DLDA)和局部奇异值对称平均(SL-SVD)的人脸识别方法。该方法首先通过B-2DLDA对整幅图像进行特征提取;然后利用SL-SVD提取图像的局部特征;最后,对两种方法提取到的特征利用基于加权欧式距离的最近邻分类器进行融合识别。该方法能够提取较好的鉴别特征,并有效结合了局部和整体的特征,在一定程度上克服了光照、表情、姿态的影响,对单样本情况下的特征提取有很大的帮助。(2)提出了一种三层虚拟样本图像生成算法。该算法通过分析现有虚拟图像生成方法的优缺点,结合了几何变换算法、代数变换算法与空间分布算法,首先采用奇异值扰动方法突出人脸的特征;然后采用几何变换方法增强姿态、尺度的变化,增加样本数量;最后采用基于空间分布的方法扩张样本以改善样本分布,使虚拟样本分布更逼近真实分布,为解决单样本问题奠定了基础。(3)提出了一种融合HMM分类识别算法。为了克服传统SVD特征包含信息量偏少和LDA特征几何变化敏感性的缺点,使B-2DLDA特征的全局性和SL-SVD特征的局部性互为补充,在一维HMM的基础上,根据信息融合理论,设计了基于B-2DLDA与基于SL-SVD的两个一维HMM,并根据不同的权重进行融合,以提高最终的分类识别效果。该方法既弥补了原有一维HMM的精度不够问题,又避免了二维HMM的算法复杂性问题。(4)采用面向对象思想设计并开发了单样本人脸识别原型系统。该系统由图像预处理、虚拟图像生成、特征提取和分类识别四个功能模块组成,实现了当训练样本很少甚至只有单个样本时,系统仍能保持较高的正确识别率。