人脸识别是生物特征识别中应用最广泛的一项技术，涉及模式识别、数字图像处理、人工智能和机器视觉等多个学科领域。它是通过计算机自动提取与分析人脸图像的特征来实现身份的认证与识别，在安检场所、门禁系统以及考勤系统等领域具有广阔的应用前景。在现有的人脸识别算法中，基于稀疏表示的人脸识别是利用稀疏表示的判别性进行识别的一种新方法，其在分类识别上的独特优势，使得特征的选择不再是必要的条件，此外该方法不但识别率高，而且鲁棒性好，因此近几年备受关注。本文的主要研究成果：1研究了劣质图像的质量改善技术。图像质量改善的目的在于提升那些不清晰图像的分辨率，也就是从低分辨率的图像中重建出高分辨率的图像，本文提出一种基于自适应主成份分析（Principal Components Analysis, PCA）变换的图像重建方法，能较好的改善低分辨率图像，使得图像更加清晰，并使得整个计算过程更为简单。2研究了稀疏表示参数对人脸识别的影响。从稀疏表示的基本理论可以知道，稀疏表示具有很强的自然判别能力，能选择最紧密表示输入信号的原子，远离其他不紧密的原子，将稀疏表示的这种能力用于人脸识别中，并在ORL与YaleB人脸库上进行了实验，结果表明了稀疏表示的参数决定了测试图像的类别。3研究了一种融合分块PCA与稀疏表示的人脸识别方法。首先对人脸图像进行分块表示；然后利用PCA对分块后的图像进行特征提取，将经过PCA变换后得到的子图像作为新的训练样本进行训练，并将这个新获取的样本库作为稀疏表示的原子库；最后根据块匹配的原则自动搜索与测试图像对应的训练样本集，利用稀疏表示进行分类识别。在多个标准人脸库上的实验表明本文的方法可以取得较好的效果。