基于可见光成像的人脸识别技术近年来得到快速发展,但在照明不足情况下,成像质量受到严重影响,存在模糊不清和局部阴影等问题。由于独特的波段特性且具有夜间可成像及不受环境光照影响的特点,热红外成像成为当前人脸识别领域发展的新方向;但因成像波长较大,热红外图像仍存在分辨率低、细节不清、边界模糊等不足,人脸识别精度不高;另一方面,现有人脸识别数据库多采为可见光图像,与热红外图像存在较大的模态差异,难以将热红外图像直接应用于现有人脸识别数据库,进而限制了该项技术的实际应用。随着深度神经网络的快速发展,图像翻译领域取得了巨大成功,使得将热红外图像翻译成可见光人脸图像（类可见光图像）后利用现有可见光人脸识别技术进行识别并投入实际应用成为可能。但在翻译过程中,由于热像取决于人脸温度信息、忽略了面部几何特征,因此,图像翻译后获得的类可见光图像与实际通过可见光相机获取的图像还存在较大差异。针对上述问题,本文在热红外成像过程中引入偏振探测技术,利用偏振成像获得人脸自发辐射Stokes参量间的冗余信息进行图像融合,并通过生成对抗神经网络提取融合后的图像实现偏振热红外向可见光图像的翻译。具体研究内容如下:（1）人脸红外图像偏振成像增强。在介绍红外光的基本概念基础上,基于红外自发辐射传输理论,研究了人脸自发辐射的机理,探讨了热红外成像存在的不足;在红外热成像中引入偏振探测技术,搭建偏振成像系统采集偏振热红外人脸热像与可见光图像,通过图像裁剪与对齐处理后构建偏振热红外人脸图像数据集;分析了人脸偏振热像局部二值模式（LBP）特征、高斯差分边缘（Do G）特征和方向梯度直方图（HOG）特征,结果表明,偏振探测技术对热红外图像几何特征与纹理细节具有较好的增强作用,能够凸显嘴巴、鼻子、眼睛等区域的纹理细节及面部边缘和轮廓。（2）基于颜色空间的偏振热像融合方法。首先对红外偏振热像进行均值滤波处理,然后基于Stokes参量从不同方面反映人脸信息并与RGB色域三个独立通道具有良好的对应关系,以高斯差分处理后的图像作为权重,将I、Q、U参量图像通过组合变换映射到RGB颜色空间进行融合以突出人脸特征;构建基于支持向量机与方向梯度直方图的偏振红外热像人脸识别算法（HOG-SVM）,验证融合图像对于人脸识别性能的提升作用。结果表明,基于RGB空间融合的红外偏振热像的图像熵、结构相似性相对原图像有较大提升,HOG特征相对于可见光人脸图像更接近;基于HOG-SVM算法,融合图像相对I、Q、U、DOP等图像具有较高的识别率。（3）基于生成对抗网络偏振热红外-可见光人脸图像翻译方法。首先介绍了人脸翻译的基本概念,然后介绍生成对抗网络的模型结构、数学原理以及它的训练过程,并对如何改进生成对抗网络进行了说明。在此基础上,通过有监督和无监督学习分别介绍基于生成对抗网络的图像翻译技术,并利用本文数据集对图像翻译技术进行了评估。结果表明,基于有监督学习的网络Pix2pix图像翻译人脸器官位置基本与可见光图像基本一致,不存在较大偏差,虽有部分区域模糊,但是整体效果相对较好。（4）基于改进的Pix2pix偏振热红外-可见光人脸图像翻译方法。针对偏振热红外图像的特征,引入MSE损失函数和特征重建损失函数,在保持良好结构相似性的同时捕捉偏振热红外图像的细节纹理信息,并在网络中加入实例正则化,使生成图像之间具有多样性和独立性;通过构建的偏振热像人脸数据库对提出的算法进行验证。结果表明,本文提出的人脸翻译框架保持了图像的结构相似性以及有效学习了图像的深层次特征,能够有效增强翻译后的类可见光人脸图像纹理细节,在主观和客观二个方面,相对其他框架都具有更好的效果,在图像特征分布上接近真实可见光图像。图[35]表[8]参[64]