全文总字数：3244字

1. 研究目的与意义

本课题要求秉承主成分分析的思想，从原始数字图像出发，在模式识别之前，先对图像进行分块，对分块得到的子图像矩阵再用PCA方法进行鉴别分析--这种特征抽取方法称为分块PCA或单元PCA，或者对分块子图像矩阵使用Fisher方法进行鉴别分析--这种特征抽取方法称为分块Fisher.这样做主要基于下面两点考虑，一是在人脸识别中当人脸表情和光照条件变化较大的情况时，由于通常的PCA方法抽取的是图像的全局特征，所以其识别效果并不理想．而实际上当人脸表情和光照条件变化时，仅部分人脸区域变化明显，而其它部分变化不大，甚至无变化，对划分后的子图像进行鉴别分析可以捕捉人脸的局部信息特征，从而有利于识别；二是对原始数字图像分块，不仅可以方便地以2的指数次幂降低图像向量的维数，而且可以以2的指数次幂增加子图训练样本的数目，将小样本问题转化为大样本问题处理，减少问题的复杂度．

2. 国内外研究现状分析

人脸识别的研究历史比较悠久。

galton早在1888年和1910年就分别在nature杂志发表了两篇关于利用人脸进行身份识别的文章。

自动人脸识别(automatic face recognition,afr)的研究论文最早见于1965年chan和bledsoe在panoramic research inc.发表的技术报告，到现在已有四十多年的历史。

3. 研究的基本内容与计划

对人脸图像进行矩阵分块对分块得到的子图像矩阵使用PCA方法进行鉴别分析对分块得到的子图像矩阵使用Fisher方法进行鉴别分析分别就识别率，计算速度，计算的稳定性等性能，将分块PCA和分块Fisher方法与其他人脸识别方法作对比第1到2周：查阅相关书籍、文献等资料；第3周：资料整合，完成开题报告，文献综述及任务书等前期工作；第4周到第11周：撰写论文；第12周到第13周：修改打印论文，准备论文答辩。

4. 研究创新点

无