只有单幅图像的人脸识别问题是一个现实问题,但目前研究较少.许多好的识别算法一旦应用到单幅训练图像的人脸库时,识别率会急剧下降.另外,JPEG标准最广泛使用在目前的图像压缩领域,而JPEG标准采用的是DCT变换.本文通过研究人脸的各个局部特征对识别人脸的影响,筛选出几个最能表达人脸信息的局部特征——鼻子、左上半边脸,"左眉毛+左眼睛",然后直接运用已有的DCT域上的图像处理技术,提出DCT域上人脸特征的表达方法;最后利用Boosting思想,为从单个图像样本中挖掘更多的信息,将人脸的整体特征和局部特征结合起来,构造了两种DCT域上的人脸识别系统——多特征投票法和复用特征法.这两个系统有以下优点:(1)DCT系数具有优良的图像特征描述能力,在表达图像的信息方面有很强的优势.将DCT算法用于FERET人脸库进行整脸识别,识别率为76.8﹪,比PCA算法高7.8﹪,比(PC)<2>A算法高1.2﹪,并且速度远远快于这两种算法.(2)将表达人脸信息能力强的局部特征组合,其图像分类的能力更强.利用本文筛选出的几个最能表达人脸信息的局部特征组合用于识别,识别率为89.4﹪,比整脸识别率高12.6﹪.(3)借鉴Boosting思想,利用局部特征和整脸训练若干个分量分类器,然后将它们组合起来形成一个强分类器,这样可以获得更多的脸部信息,增强图像的分类能力.将这两个系统用于单幅训练图像的识别问题,最高识别率达到91.1﹪,较整脸识别率高14.3﹪,而且算法简单,容易实现.