探索接近视觉机制的图像处理方法是智能图像处理的发展方向和研究目标。对于哺乳动物眼睛的图像处理方式，一个启发性的工作是上个世纪末国际上几个研究小组(代表人物Bell，Sejnowski，Ameri和oja)采用神经网络最大输出熵的独立成分分析(ICA)方法成功重现了Hubel和Wiesel在猫眼视觉中用实验发现的伪正交的和有方向的边缘图(该发现获得了1965年的生物学诺贝尔奖)。这个工作被认为是近代人工神经网络理论上最大的成功，它让我们联想到独立成份分析和人眼对图像处理机制之间可能具有某种联系。 独立成份分析是一种基于高阶统计的方法，它提取的独立基如同高等动物视觉的伪正交的、稀疏的和有方向性的Gabor滤波器，并有突出边缘信息和去除无关信息的作用。本文的出发点是利用独立成份分析对图像进行处理，试图解决两个问题：一、照明变化下人脸的识别；二、低分辨率人眼图像中注视与否的探测。 本文首先对不同照明下的图像做独立成份分析并对其中一个特殊的独立成份基与图像平均灰度的关系作了研究，结果发现它们之间有很好的线性关系。然后，我们引入了主成份剩余空间中的独立成份分析概念来进一步研究此独立基与照明的关系，发现这个独立成份可以表示为从主成份中提取的“照明方向因子”的线性叠加。由此我们得出了这个独立成份基代表的是照明变化(强度和方向)的结论。根据这个结论我们可以解释独立成份剩余空间在照明变化下能得到鲁棒识别结果的原因。另外，我们用“照明方向因子”来线性表示图像中的照明变化，得到的结论是：要较好地表示图像中的照明变化至少需要15维以上的子空间。此方法和结果与前人的工作都有较大的不同。 其次，本文对照明变化下人脸的识别作了研究。人脸识别在人机交互和信息安全方面都有很重用的应用。人脸识别普遍使用基于外观的方法，但这些方法几乎都对光线变化敏感。利用去除其中一些子空间的方法虽然能够消除部分照明影响，但是照明变化仍然存在于其它子空间中并对识别造成一定的影响。本文研究了在归一化的任意3维独立成份子空间中同一姿势人脸图像在照明变化下的分布。其中，同一幅图像乘以不同系数后的图像集分布在同一个点上，同一幅图像加上(减去)不同灰度值后的图像集分布在同一条直线上。另外，照明变化下某一对象同一姿势的人脸图像集在归一化的任意3维独立成份子空间中分布也有一定的规律，尤其是在照明角度不太大(≤45度)时，这些图像和照明变化下的其它物体的图像是可以分开的。再次，本文对图像中的人眼注视的识别作了研究。人眼注视可直接用作非接触人机交互的控制信号，也可以作为判断语音和手势是否有意的辅助信号从而消除噪声和无意手势的干扰。人眼注视探测技术的重点和难点在于判断眼球在眼窝里的位置。现有的对人眼注视方向的研究大多数工作集中在利用各种辅助装置(例如：红外照明、可变焦摄像机或者多台摄像机等)测量人眼的注视方向，它们与人眼对注视的探知方式还相差较远。本文对数据库(8个人共1216幅图像，其中每人的注视和不注视样本分别为24和128个)中某一个人的152幅眼睛图像进行独立成份分析后，研究其注视角度和独立成份组合系数的关系。发现其中有些独立基能够很容易地反映出此人的注视与否。另外，我们把其他人的眼睛图像投影到这些独立成份基上并利用支持向量机进行注视与否的判断，发现利用很少维数(6维)的输入就能得到很高的识别率(96％强)。其中，我们发现有些独立基比其它的独立基更能反映注视与否，这些独立基被认为是与人眼对注视的探知方式有相似之处。 最后，本文研究了特殊分类问题下的支持向量机的算法优化。对于一些特殊情况下的分类问题，例如在注视响应的自动控制系统中，我们宁愿机器对我们的一些模糊动作不响应，但决不能对一些无意识动作进行响应。但是传统的支持向量机算法并没有考虑两类样本分类时的期望正确概率可能是不同的，也就是说它默认两类样本是同等概率时的分类，因而某些实际问题中具有一定的局限性。为了克服上述缺点，我们做了一个对支持向量机学习算法的推广，可以改变约束条件的值从而改变最优分类面的位置，最终得到了一个可变分类面的支持向量机，很大限度的避免了某一类(重要)样本出现错误的概率。