人脸识别技术以其具有直观性、被动性和非侵犯性,在生物特征识别领域有着无法比拟的优势。在诸多影响人脸识别性能的因素中,光照的变化是识别领域最具挑战的难题之一。考虑到红外图像基于目标温度成像,完全不受外部光照的影响,且每个人的脸部温谱图各不相同,即使是长得一模一样的双胞胎,脸部温谱图也不同。因此,将红外技术与人脸识别技术相结合,在高安全性部门的警戒、入口控制及计算机保密等领域有着广阔的应用前景。本论文在简单介绍红外人脸图像特性的基础上,以血流量稳定不变的静态模型为条件,研究了常态下基于血流图的决策融合方法;以外部环境温度影响血流量发生变化的条件下,研究了非常态下基于有限元分析的方法,并进行了相关的实验测试。论文首先分析了红外人脸图像的特性及人脸识别的特点,详细描述了红外人脸识别系统,包括数据库采集、人脸检测与定位、特征提取及分类识别。此外,考虑到信息融合的思想已逐步运用到识别系统中,因此,简单介绍了像素级融合、特征级融合和决策级融合三种融合方法。考虑到红外图像分辨率低,人脸边缘轮廓和细节特征比较模糊,这对图像的有效识别产生一定的影响,而有效的人脸识别算法,必须充分挖掘不同方面的特征信息,本文采用了决策融合的方法。该方法主要基于三种特征提取方法的改进:离散余弦变换计算速度快,有限个系数即可保留大部分能量,但其只考虑了整体特征,所以本文利用了DCT变换的强压缩性能,选取小波分解后的低频子带进行分块DCT变换,保留适当的DCT系数作为其分块的特征,从而得到局部信息,然后对各个分块特征进行融合得到整体信息;尽管PCA能有效保留源图像的主要信息,但其基于整个数据库变换,基于单幅图像本身变换的DCT方法在一定条件下比PCA方法要好,所以本文在小波分解的基础上采用DCT变换和FLD的特征提取方法;小波变换对信号具有自适应性,能有效压缩图像,但传统意义上的小波执行时间长,且需要较大的内存支持,不适于实时系统。所以本文利用提升小波结构简单,运算量低,原位运算,节省存储空间,在小波变换的基础上改进为以提升小波结合PCA的方法进行特征提取。实验结果表明,在原有基础上,三种方法识别率均有一定的提高,对于改进后的特征识别方法在融合后识别率也有进一步的提高。虽然基于能量图与血流图的红外人脸识别在识别性能上均高于基于温谱图的红外人脸识别,但它们均假定为基于静态模型下,即血流量保持稳定不变。事实上,外部环境温度、喝酒、发烧或运动等因素都会对血流产生影响,进而影响识别性能。为此,本文针对非常态红外人脸识别,尝试开展有限元分析。具体采用Pennes方程作为生物热模型,由有限元方法重构温谱图,将实际温谱图与模型所得温谱图的温度进行比较,根据设定的阈值进行不断调整,反向求解离散的人脸热模型,逐步得到准确的生物信息。初步实验证明,该方法能有效提高识别率,对于非常态下的鲁棒生物特征提取有一定的指导意义。