本文在此基础上，提出了利用相对梯度和局部领域模型，将其与空间金字塔算法相结合，完成人脸识别金字塔算法设计。论文首先对空间金字塔算法进行了简单介绍，然后通过多尺度分析对空间金字塔进行构建，同时多每一层图像计算其相对梯度值，已完成光照不变量的提取；然后使用LNP 算子对每层图像的特征向量进行提取，并实施级联操作，完成LNP 特征金字塔的构建；最后通过最小近邻分类法实现图像分类和识别。

研究内容

图像识别是是以图像特征为根本，操作计算机对图像实施处理并完成辨别和分类的过程。随着社会不断发展，对于自动化需求越来越高，图像识别领域也不例外。模式识别要求采用某种技术对图像进行处理，将其转换成各种类型的数据，并通过具有某种特征的数据来对图像进行分析和判别，从而确定图像的属性和类别，同时减少人为干预，自动完成识别过程。通常情况下，图像识别系统可以分解为图1中几个重要组成部分。  

研究框架

本文主要对空间金字塔算法进行了详细分析，并在此基础上利用局域图像特征提取和相对梯度计算融合进空间金字塔算法，同时考虑到光照等对图像识别准确率存在较大影响，对光照不变量进行了推理和计算，与空间金字塔算法进行结合，大大提高了算法准确率。将该算法在人脸识别数据集上进行测试，结果表明该算法准确率高、铝棒性能好，可以为今后人脸识别提供一定的借鉴。论文的主要结构安排如下：

第1章为绪论，对人脸识别的研究意义和研究近况有了简单介绍；

第2章为图像识别理论基础，主要介绍了空间金字塔算法基础以及分类器介绍，为后续章节算法介绍奠定基础；

第3章为基于空间金字塔的图像识别算法介绍，主要将局域图像特征提取算法与空间金字塔算法进行融合，同时利用相对梯度来计算光照不变量，然后利用最近邻分类器实现图像的分类；

第4章为算法测试与分析，通过对两个公认数据集的介绍，将本文算法在两个数据集上进行测试，结果表明，本文算法准确率较高，鲁棒性好；

第5章为总结，对全文内容进行归纳和整理。

本文一开始提到课题的研究背景和研究意义，对图像识别进行了概括，然后利用空间金字塔算法与LNP算法相结合进行人脸识别。空间金字塔能够在不同尺度空间下对图像进行表达，因此，能够更加完整地表示图像；LNP算子能够很好地提取图像的特征，因此，将两者进行结合，利用两者的优势大幅度提高识别准确率。实验结果表明，本文提出的算法能够很好地完成人脸识别任务，并且鲁邦性能好，对于光照不敏感，因此，本文算法较为优越，能够为后续图像识别提供一定的借鉴。

......

从试验数据不难发现，本章猜想的基于金字塔结构的人脸识别算法在 FERET库的综合能力表现优秀。在所有子库上识别率都高于 PAC，LBP，LNP。在第四章的试验中，在，dup1，dup2 子库中 LNP 算法都是稍逊于 LBP 算法的，从试验获得数据不难发现，结合了金字塔结构以及相对梯度的 LNP 算法识别机能收益盛大。

第四章主要用介绍的金字塔算法对Extended Yale B 和FERET两个数据集进行了测试，实验结果表明，本文提出的算法中结合了LNP算子与空间金字塔算法的优势，识别准确率有保证，同时系统具有光照不变特性，鲁邦性能较好。