自动人脸识别技术(AutomaticFaceRecognitionTechnology,AFRT)是近年来计算机视觉、图像处理、模式识别以及人工智能等领域研究中一项极富挑战性的研究课题。这是因为人脸识别效果与人脸图像的复杂差异、人脸三维模型的建立以及人脑的认知过程都有很大关系。对人脸图像而言，丰富的表情会加大识别难度、年龄的不同也会使图像分析更复杂。另外，光照、成像角度以及成像距离的不同也会造成图像的差异。而且从二维图像重建三维人脸是病态过程，目前尚没有很好的描述人脸的三维模型。生理学的研究表明，人类大脑对视觉信号的处理也是一个分等级的过程。低层次的细胞对信号的相应和小波变换的结果相似，高层次的细胞则依据一群低层次细胞的响应，做出具体的线、面直到物体模式的判断。小波分析以其天然具有的，对不同频带信号进行不同尺度分析的优势，在计算机视觉领域取了广泛的应用。 本论文的工作主要围绕小波分析在自动人脸识别技术中的研究展开，本论文研究重点是，如何将小波分析优势和好的分类方法更好的融合起来，把一些新颖的思想和技术运用到人脸识别中，探讨其对识别性能的影响。另外，对一些已经在人脸识别领域取得成功的技术进行改进，通过对大量具体实验数据的分析，试图克服其弱点发挥其长处，并给出一些重要问题的定量结论，以指导具体的实践操作。 本论文的主要研究内容和创新性工作包括： 1.提出了一种信号分析型小波神经网络人脸识别方法，详细讨论了根据小波变换系数的范数选取小波母函数的方法，根据小波脊线确定网络神经元个数的方法以及神经网络的初始化和参数训练方法。通过对人脸图像灰度的连续小波分析，神经网络的自组织自学习能力，调整连接权值和小波神经元的尺度、位移参数，完成人脸识别的任务。 2.提出了一种用函数逼近型小波神经网络人脸识别方法，把网络输出看作是网络输入-离散的人脸特征向量的函数，详细的讨论这种方法的网络结构、参数初始化和网络参数训练，实验结果表明该方法识别率也比常用的分类器提高了10％左右。 3.提出了一种基于HMT模型的多尺度人脸识别的方法，该算法充分利用小波变换跨尺度的相关性，首先对人脸图像进行小波变换，通过EM算法对小波系数的HMT参数进行估计，从而描述人脸图像的奇异点分布，然后使用最大相似度分类准则在相同尺度级内部进行识别，最后由粗到细逐级综合判别所属人脸类别。 4.提出了一种基于小波支持向量机的人脸定位方法，讨论了小波支持向量机的样本库建立方法，并通过实验结果研究了该方法小波核函数的选取问题。实验结果表明，与经典的支持向量机进行人脸定位的方法相比，小波支持向量机无论从正确定位率还是从定位速度上来说，性能都要更好一些。 5.提出了一种针对特征脸的预处理算法：为减少每一类人脸自身的类内差异对协方差矩阵所造成的影响，而进行的基于自身灰度的零均值处理。实验结果表明，经过基于图像自身灰度的零均值预处理的识别率有了明显的提高。 6.针对不同光照条件的影响，得出了特征脸的前3个主分量与识别率之间关系的分析结论。实验结果表明，特征脸方法的前2个特征对光照更为敏感，去除前2个特征的特征脸改进算法，可以提高受光照污染严重的人脸图像的识别率。 7.通过实验，得出了对于最近邻分类器，为提高运行速度但不影响识别率而对人脸图像进行小波变换，其人脸识别率与小波变换级数的之间需满足下面的条件：小波变换后的子带图像的像素点数，与在此数据库中对原始人脸进行特征提取而达到的最高识别率所对应的特征空间维数相一致。