热红外人脸识别是近年来生物识别技术中的一个新的研究热点,这是因为其具有防伪装与欺诈、不依赖光源和抗干扰等特性。热红外人脸识别是利用图像处理与模式识别等技术对由红外热像仪拍摄获取的热红外人脸图像进行特征提取与分类识别的技术。随着该技术的日益发展,其将在安防监控、数据保护以及入口控制等方面产生很大的应用价值。本文在深入了解热红外人脸图像的成像特性以及热红外人脸识别系统流程的基础上,重点研究了基于二维Gabor变换的热红外人脸识别技术。本文分别从特征提取和分类器决策两个角度深入研究了热红外人脸特征提取与识别技术。首先,本文研究了热红外人脸识别系统的主要流程。并对热红外人脸图像的预处理技术进行了深入的学习和分析,认识到热红外人脸图像的预处理对后面的特征提取和分类识别过程的重要性。预处理主要包括热红外人脸图像的尺度归一化、灰度归一化等。预处理的好坏直接影响着热红外人脸识别性能的高低。其次,本文依据热红外人脸图像的成像特性,如图像分辨率比较低、细节特征比较模糊等,重点研究了基于Gabor小波的热红外人脸特征提取方法,并在此基础上,提出了一种基于Gabor变换和SVD的人脸特征提取新方法,该方法将热红外人脸图像的局部特征和全局代数特征有效结合在一起。实验结果表明,该方法取得了很好的识别效果,并且好于传统的热红外人脸识别方法。最后,本文初步研究了集成学习的基本原理,并在前面工作的基础上,从决策层面,提出了一种基于Gabor特征的多分类器构建与集成的热红外人脸识别方法,该方法其实是利用多个分类器进行集成互补,从而使得总分类器达到最佳分类识别效果。并对提出的新方法进行了多组实验分析对比,结果表明,本文提出的基于多分类器构建与集成的分类器设计方法取得了很好的识别效果。