人脸识别技术作为生物特征识别领域中的一种重要的识别技术,旨在通过计算机提取人脸图像的特征,并根据这些特征进行人脸身份的验证。由于人脸图像的特殊性,人脸识别问题不仅是模式识别领域的一个难点,同时汇聚了多个学科的技术,如信号处理、智能控制等。具体来讲,人脸识别的研究主要由三个部分组成:人脸图像预处理,特征提取和分类器设计。这三个方面的研究对于开发真正实用的人脸识别系统具有重要的意义。本文在特征提取方面研究了基于子模式的主成分分析人脸特征提取技术,将一维子模式PCA扩展为二维子模式PCA,改进了基于子模式PCA的人脸特征提取算法并给出了一维子模式改进算法;其次,在人脸图像预处理方面研究了基于加权小波变换的人脸图像合成技术,给出了改进算法;具体来讲,主要包括以下三个部分的工作:(1)本文深入研究了经典的人脸识别技术和相关的改进算法,基于常用的标准人脸数据库,对部分算法进行了仿真分析,比较了相关算法的特点。(2)本文深入研究了基于子模式的主成分分析,受二维主成分分析(2D-PCA)的启发,将两种基于子模式的主成分分析特征提取方法——子模式主成分分析(Sub-pattern PCA,Sp-PCA)和渐进主成分分析(Progressive PCA,Pr-PCA)扩展成为处理二维数据的方法,提出了 2D-SpPCA和2D-PrPCA用于人脸图像特征提取。本文提出的2D-SpPCA和2D-PrPCA具备了 2D-PCA的优点,能够有效地解决一维方法计算量较大的问题,同时它们又具备了子模式主成分分析方法的优点,能够有效地捕捉到人脸图像的局部信息,对光照、表情和姿态等多种因素具有很好的识别性能。(3)针对人脸图像易收到光照、表情和姿态等因素的影响,给出了改进的基于加权小波变换的人脸图像合成技术,该方法在确定了合适的小波基函数和分解层数后,设定边缘信息分量为相同的权重,对低频信息分量和高频信息分量,在一定的权值变化范围内。针对不同的人脸图像库,以一定的权值变化步长进行优化比较,确定相应的人脸图像的高频分量和低频分量的权值。最后,我们给出的基于优化的加权小波变换权值方案,采用了一维子模式主成分分析和二维子模式主成分分析对改进算法的合成人脸图像进行特征提取,其识别结果明显优于仅使用PCA和2D-PCA提取的特征,也优于多个已被提出权值分配方案;同时基于加权小波变换本章给出了两种改进算法,即基于加权小波变换和一维子模式主成分分析的人脸识别改进算法以及基于加权小波变换和二维子模式主成分分析的人脸识别改进算法,识别性能明显优于其它人脸识别方法。