人脸识别技术是模式识别和计算机视觉等领域的一个热门话题,近年来已经取得了很多成功应用的案例。大多人脸图像采自可见光,而环境中可见光条件是多变且复杂的,因此人脸识别的性能很容易受到可见光源变化的影响。获取光照不变的人脸表达,一直以来是人脸识别的重要研究课题之一。近红外成像技术的应用在一定程度上解决了光照不变性的问题。传统的近红外人脸识别要求用于注册和认证的人脸图像必须都采自于近红外光条件,而实际应用中大量人脸图像采自可见光条件,例如监控视频,身份证照片。如何实现可见光与近红外光人脸的交叉注册与认证成为了一个急待解决的问题。由于成像方式不同,同一个人的近红外和可见光人脸图像在表观上存在着显著差异。但是从认知的角度讲,它们仍然可以被识别成为同一个人。这就意味着,1)近红外和可见光图像存在某种形式的关联,并且2)存在可识别的不变特征。本文将从这两个角度出发,探讨如何实现近红外和可见光人脸图像的变换与识别。本文的主要贡献和工作有:基于流形映射的人脸变换。首先,本文引入了连续映射的概念,建立近红外和可见光人脸图像局部表观之间的关联,然后从近红外与可见光人脸图像对构成的训练集分别学习隐式和显式的流形映射,实现了从近红外到可见光人脸的变换。变换实验使用峰值信噪比来评估合成人脸图像的质量。最后合成的可见光人脸图像与真实的可见光人脸图像的的识别实验验证了该方法的有效性。基于不变特征的人脸识别。首先通过对成像模型的分析,探索了近红外和可见光人脸的不变特征,然后使用了三种局部模式的直方图特征进行人脸表达。对于产生的高维特征向量,使用Fisher准则选择有判别能力的特征,最终实现了在不变特征域的人脸识别。比较实验表明了这种方法的有效性。最后总结了全文并讨论了未来可能的研究方向。