路 翀 ， 刘晓东 ， 刘万泉

（1.大连理工大学 电信学部，辽宁 大连 116024；2.澳大利亚科庭大学 西澳 佩斯市 6102；3.伊犁师范学院 新疆 伊宁 835000）

人脸识别技术在国内外许多领域得到了广泛应用[1]，研究者们为提高识别率提出了许多人脸识别方法。文献[2-3]综述了近几年人脸识别的主要方法和进展。人脸识别中的一个关键问题是特征选择，其基本任务是从许多特征中找出最有效的特征。人脸图像数据量一般十分庞大，直接用于识别效率不高，因此必须对原始图像进行有效降维。2DDCT是常用的图像压缩方法，其本质是通过2DDCT对图像进行变换，用较少的数据表示较多的信息，实现图像压缩，以达到减少数据存储量提高传输速率的目的。2DDCT既能有效地降低特征维数，又可以保留对光照、表情以及姿态不敏感的类别信息，许多研究人员尝试着将2DDCT应用到图像特征降维。文献[4]详细阐述了基于DCT的人脸表征，文献[5]提出了一种M2DPCA和NFA相结合的人脸识别方法。

在模式识别中，压缩感知（Compressive Sensing，or Compressed Sampling，简称 CS）[6]，是近几年流行起来的一个介于数学和信息科学的新方向，由Candes、Terres Tao等人提出，挑战传统的采样编码技术，即Nyquist采样定理，CS理论是基于信号“信息”的一种采样技术，是对信号更为本质的描述。目前，该理论是一个快速发展的领域，在许多基础的信号和图像处理中取得了很好的效果[7]，在信号处理、图像识别等领域也有广泛的研究[8-9]。由于在图像识别过程中，运用CS理论需要预先将人脸图像矩阵展开成一维的向量，转换后的一维向量的维数一般较高，因此，对很多分辨率较高人脸图像都要预先做裁剪。……