人脸识别技术在身份认证、安全监测、智能人机交互等领域有广泛的应用。目前大多数人脸识别系统使用可见光图像进行人脸识别,其识别性能容易受到光照变化的影响,在户外、昏暗光照以及非均匀照明条件下,其正确识别率会大大降低。同时基于可见光光谱的人脸识别对于伪装脸的识别也有困难。而利用热红外人脸图像进行人脸识别可以克服现有识别系统易受光照变化影响的缺点。但是,由于热红外线不能穿透玻璃,如果待识别对象戴有眼镜,在热红外图像中眼镜将呈现出墨镜的效果,使对人脸识别起重要作用的眼部信息全部丢失,而这些特征都是对识别有用的重要特征,将严重影响人脸识别性能。本文研究如何利用可见光和热红外图像融合技术来提高人脸识别系统的整体识别性能。本文提出了一种基于小波变换的像素级图像融合方法,该方法对小波变换后的可见光和热红外人脸图像采用了一种新的融合规则,对低频子带图像采用加权平均和图像锐化相结合的融合方法;对高频子带图像采用了双阈值融合处理,保留原始图像中的主要信息,滤除其中的噪声和对人脸识别贡献极小的细节信息。为了评估所提出的融合算法,本文对可见光、热红外以及融合图像的人脸识别性能做了比较分析,使用四种客观融合图像评价指标和人脸识别率对所提出的融合算法进行了评价。实验结果表明本文提出的融合算法的性能优于平均融合算法、基于拉普拉斯塔型分解的融合算法和基于局部能量信息的小波融合算法。本文对基于决策融合的人脸识别方法进行了研究,将有关可见光和红外图像识别的先验知识应用在决策融合过程中。首先将测试图像与可见光图库和红外图库分别进行识别,然后在两个识别结果中二选一作为决策融合结果。如果测试图像戴有眼镜,则总是选择可见光图像的识别结果。如果测试图像不戴眼镜,当测试图像与可见光图像库和红外图像库之间的最小距离相同时,选择红外图像识别结果;否则选择两者之中距离最小的识别结果。实验结果表明该决策融合方法的人脸识别性能优于单独的可见光和热红外图像人脸识别方法。