人脸识别技术是计算机模式识别领域非常活跃的研究课题,而特征抽取是人脸识别中最基本的问题之一,因此能否抽取人脸图像有效的鉴别特征也成为人脸识别技术的关键问题。典型相关分析方法是一种新的特征融合方法,它将两组特征向量融合成一组更具有鉴别力的特征向量。本文主要研究了将典型相关分析方法应用到特征抽取过程中形成了以特征融合为基础的几种组合特征抽取方法,并提出了一种典型相关分析改进算法。本文以基于代数特征的方法为着眼点,对基于典型相关分析的特征抽取方法进行了一定的研究。主要工作和贡献如下:针对传统的典型相关分析在人脸识别应用中不能充分利用图像中的类别信息的问题,文本提出了一种融合典型相关分析与最大散度差的特征抽取方法。首先利用典型相关分析方法实现了特征信息的融合,有效地消除了特征之间的信息冗余。然后,通过采用最大散度差鉴别分析方法将训练样本中的类别信息加以充分的利用,从而有效的提高了人脸识别的正确率。该方法不仅有效地融合两组人脸图像特征向量同时充分利用到其中蕴含的类别信息,这样较大地提高了人脸识别的正确率。在ORL标准人脸库和Yale人脸库上的实验结果验证了该算法的有效性。传统fisher准则函数与最大散度差均属于线性鉴别分析方法,具有相同的物理意义及相似的特征抽取过程,但是由于两者采用了不同的准则函数,其抽取的特征向量反映了人脸图像中不同侧面的鉴别信息。本文提出了一种增强性的线性鉴别分析方法。该方法首先通过fisher准则函数与最大散度差分析方法抽取两组特征向量,然后采用典型相关分析方法完成特征融合该方法不仅融合了两组线性鉴别信息,而且消除了两类特征之间的信息冗余,较大地提高了识别率。最后,在ORL标准人脸库和Yale人脸库上的实验结果验证了该算法的有效性。传统的典型相关分析准则函数在界定同组特征集中各元素之间不相关时易出现保证函数分母中乘积最小却不能符合典型相关分析方法工作目的的问题。为解决这一问题,本文提出了一种改进的典型相关分析方法,对典型相关准则函数分母部分进行修正,对该方法进行推导得到投影矫正系数,该系数对两组特征集特征方程进行调整,保证两组特征集同时达到最佳。该方法有效地改善了融合效果、提高了人脸识别的正确率。标准人脸库上的实验结果表明该方法的有效性。