题目：异质图像人脸识别关键问题研究

人脸识别的任务是使计算机能够对人脸图像进行一定的分析和处理并正确识别人的身份信息。但人脸是一种不稳定的特征信息，在自身的影响下会产生各种变化，如：表情变化、姿态变化、年龄老化；而在外界的因素如光照变化影响下，人脸图像的灰度分布会产生剧烈的变化。这些因素都会对人脸识别系统造成影响，而影响最大的莫过于光照变化。为了解决这个问题，学者们提出了许多方法来克服光照变化，并对光照变化进行分析。这些方法可分为两类：（1）人脸图像合成；（2）光照不变特征提取。近年来提出的基于近红外图像的可变光照下的人脸识别算法试图另一个角度解决了这个问题。但是，它也带来了新的挑战，这是因为在现有条件下人脸图像在注册时环境较好、且可控，大多数都为可见光图像；而在现场识别时，为了克服剧烈光照变化给识别造成的困难，采集的数据多为近红外图像。这样，为了克服可变光照问题，基于近红外的人脸识别必须考虑这种从近红外到可见光的异质图像人脸识别问题。 本质上，可变光照下的人脸识别和从近红外到可见光的人脸识别都是异质图像人脸识别的具体内容，因为他们都是由图像采集环境变化造成的。一直以来，人们对于这些异质图像数据源的研究关注较少，因此从近红外到可见光的异质图像人脸识别研究才刚刚起步；而作为人脸识别的经典问题——可变光照，至今没有一个完美的解决方案。本文以异质图像人脸识别为研究内容，阐述并改进了异质图像人脸合成和识别算法。具体表现在（1）提出了从近红外到可见光的人脸合成算法；（2）改进了可变光照下的人脸合成算法；（3）提出了从近红外到可见光的人脸识别算法；（4）改进了可变光照下的人脸识别算法。本文涉及到计算机视觉和人脸识别中的关键技术，包括从近红外到可见光的人脸合成及识别、可变光照下人脸合成与识别、光照不变特征提取、多元变量分析、多线性分析等。本文的贡献有：(1)针对从近红外到可见光的人脸合成问题，提出了一种基于张量脸和超分辨的从近红外到可见光的人脸合成算法。并对初步生成的结果使用图像融合进行优化。该算法在BUAA-IRIP异质图像人脸数据库中得到了很好的验证。(2)针对可变光照下的人脸合成问题，提出了使用多光谱商图和光照张量脸来改进可变光照下人脸合成的效果。算法在BUAA-IRIP异质图像人脸数据库上实现，效果良好。(3)针对从近红外到可见光的人脸识别问题，提出了一种基于二维经验模式分解的多尺度特征，并用这个特征及多层次分类器实现了从近红外到可见光的人脸识别。该算法在BUAA-IRIP异质图像人脸数据库上表现良好。(4)针对可变光照下的人脸识别问题，提出了一种基于典型性相关分析的联合特征，并利用该特征在CMU PIE 和Yale B数据库中进行了识别验证。实验结果证明了该方法的有效性。