近年来,人脸识别技术得到了迅猛的发展,已经应用到各个领域.相比其它生物识别技术,人脸识别的信息易于采集、非接触形式容易被人接受,因此收到了多种应用领域的青睐,但同时给实际应用提出了巨大的挑战.各种环境变化、目标配合程度导致识别系统中注册样本与测试样本有较大的差距,影响实际的识别效果.本文以建立非理想测试样本的表示模型和提取人脸判别特征为研究目标,以变化特征表示和局部变化模式为主要研究思路,对人脸识别问题进行研究,主要贡献概括如下:(1)提出了基于变化特征表示(Variational Feature Representation Classification,VFRC)的人脸识别方法.VFRC不仅使用通用训练样本的信息,而且参照了注册样本信息,再使用线性回归模型获得测试样本的变化部分和正常部分,再将二者的组合信息用于分类模型以确定测试样本身份.数值实验表明VFRC方法不仅计算时间耗费少,而且在复杂变化条件下,如夸张表情、头部姿态变化以及明显遮挡情况等,能够获得较高的识别准确率.(2)提出了带有混合范数的定制稀疏表示(Customized Sparse Representation model with Mixed Normal,CSR-MN)模型.在CSR-MN中,表示系数分为两部分:一部分对应于注册数据,另一部分对应于变化字典.因为变化字典具有复杂的特性,因此本文引进混合范数正则项,其对应的分布将更加符合实际情况.通过对CSR-MN模型的合理变形,复杂模型转换成了容易求解的l1极小化模型,从而同伦算法可用于模型求解.由于CSR-MN很好地模拟了人脸识别的实际情况,因此在大量的数值实验中表现出了明显的优势.(3)提出了基于定制字典的人脸识别方法(Customized Dictionary-based Face Recognition with Extended Joint Sparse Representation,CD-EJSR),扩展的联合稀疏表示用于该方法的分类阶段.该方法没有使用通用训练集,而是直接从当前测试目标的人脸数据中学习变化信息,很好地拟合了测试目标的类内变化.在分类阶段,扩展的联合稀疏表示模型不仅充分利用了定制变化字典的优势,而且利用组结构增强了准确识别的效果.(4)提出了基于Gabor小波和局部二值模式(LBP)的Gabor-scale二值模式(Gabor-scale Binary Pattern,GSBP),从空域、频域充分考虑了邻域间的关系.相比其它相关方法,GSBP通过对Gabor系数的再加工,再利用LBP纹理算子,提炼出有力的判别特征.另外,较少尺度(如2或3)的滤波器表现出很好的识别效果,同时降低了计算复杂度.(5)提出了改进的彩色局部二值模式(Improved Color LBP,ICLBP),新的采样规则和阈值确定策略用于彩色图像的特征提取.为配合ICLBP的采样规则及阈值确定方式,引入了k-uniform模式,它不仅从理论上扩展了经典的Uniform LBP模式,而且对改进彩色人脸识别的效果起到了良好的效果.