人脸识别是一项极具发展潜力的生物特征识别技术,研究人脸识别技术具有十分重要的理论和应用价值。识别系统采集的原始人脸图像通常以网格像素的灰度值集表示,孤立的像素灰度集合不能直接反映人脸的内蕴特征。二维Gabor小波变换能够将相邻区域的像素联系起来,从不同的频率尺度和方向反映局部范围内图像像素灰度值的变化。本文深入研究了利用二维Gabor小波变换进行人脸识别的理论方法和技术,主要内容如下:(1)研究了人脸图像的预处理。人脸图像的预处理就是将由图像采集设备采集到的人脸图像调整成规范化的图像,主要包括三个环节:人脸图像的光照补偿、人眼检测和定位、几何规范化和灰度规范化。论文重点研究了采用改进的广义对称变换算法进行人眼的检测和定位。(2)研究了二维Gabor小波变换。二维Gabor小波变换是通过计算一组二维Gabor滤波器与图像上给定位置附近区域像素灰度值的卷积来实现的,接着研究了二维Gabor滤波器参数的选择及其意义。(3)改进了经典的弹性束图匹配算法。经典的弹性束图匹配算法首先将人脸图像与某一预定义人脸束图进行匹配以得到各特征点的粗略初始位置,再通过弹性微调以确定各特征点的位置,最后计算特征点位置的二维Gabor小波变换系数并进行人脸的分类识别,经典弹性束图匹配算法的计算量较大。本文对特征点进行了适当的取舍和加权值,并通过对大量训练集的人脸标号图网格结构的聚类得到7个有代表性的网格结构组成人脸束图的模板束。在进行匹配时,将弹性束图匹配算法与改进的广义对称变换算法相结合,首先,采用改进的广义对称变换算法确定眼睛的位置,以眼睛坐标为基准点对输入图像进行几何规范化;然后,从模板束中挑选出最合适的网格结构来确定人脸的几何特征,并在此基础上进一步进行精确匹配。实验结果表明改进的弹性束图匹配算法比原算法在识别率上有了一定的提高,并且在克服光照、表情和姿态等方面也有了很大的改善。