针对图像和视频流中的人脸图像识别已经成为研究的一大热点,在电子信息、生物信息自动识别和人机交互领域等得到了广泛的应用。近年来,学术界和工业界提出了许多人脸识别算法。目前,尽管人们可以在实验环境条件下很好的对人脸图像进行检测和识别,但在现实的环境下自动检测和自动识别仍是一个巨大的挑战。目前,人脸识别领域面临的挑战主要来自光照、观察视角、面部表情、年龄以及类如毛发、眼镜和面部饰物等遮挡因素。分数阶傅里叶变换作为傅里叶变换的广义形式,可以认为对信号在时频轴任意角度的逆时针旋转。人脸图像通过分数阶傅里叶变换被映射到时频域空间,实现信号时频域展开,同时不同阶次分数阶傅里叶变换对应不同的时频域,有利于提取人脸图像面部特征和最后的人脸识别。因此,FrFT不仅实现传统傅里叶变换的功能,而且更具有普适性和灵活性。综上所述,本文深入研究基于分数阶域的人脸特征描述和人脸识别,论文主要工作和贡献如下：1.本文提出了基于局部分数阶傅里叶变换直方图序列的人脸描述识别算法。鉴于分数阶傅里叶变换和局部二值模式(Local binary pattern,LBP)对光照、噪声等因素的鲁棒性,很好地提高了人脸识别率。首先,对一张人脸图像2D-FrFT和LBP编码分数阶域的幅度和相位；其次,编码后纹理图划为无重叠的区域和统计每个区域的直方图,最后将这张人脸图像所有区域的统计直方图串联。此外,本文引入贪婪算法对参数分数阶变换阶次进行选择。公共数据库上的仿真证明了本文算法的有效性。2.文章提出基于稀疏PCA的多阶次分数阶傅里叶变换。鉴于分数阶傅里叶变换对光照、表情的鲁棒性,并已在图像处理领域得到应用,首先,FrFT幅度随阶次的变换呈现压缩性,而稀疏PCA提取其主要信息且分为主要信息域和次要信息域,融合二者的互补信息组成混合幅度特征,然后融合混合幅度特征、实部特征和虚部特征,最后融合不同阶次下FrFT域特征。此外该文提出基于贪婪算法的分数阶次选择算法和基于1Fisherfaces的权重方法。ORL和AR人脸数据库上的仿真证明了本算法的有效性。3.多模态稀疏识别引入确定性遮挡词典对遮挡人脸图像稀疏编码,从而取得了鲁棒性的人脸识别效果。然而,其遮挡词典必须满足正交性及设定合理遮挡词典的困难性,此外,分数阶傅里叶变换对人脸图像噪声的鲁棒性,提出基于分数阶域幅度的局部稀疏表示和鲁棒主成分分析法相结合的人脸遮挡识别算法。文章首先对人脸图像2D-FRFT变换并任意性划分得到待选区域片,然后对多个区域片联合稀疏表示,同时鲁棒主成分分析法参与其稀疏表示计算最佳的遮挡词典并减弱遮挡、光照、表情等干扰影响。此外,提出基于最大相似度片选算法选择最佳的区域片集合和基于稀疏系数加权算法。在扩展Yale B和AR人脸库上充分验证了该算法的有效性。