红外图像人脸识别是利用模式识别、图像处理等方法对由热红外成像设备采集的红外人脸图像进行分类识别的技术。红外图像人脸识别技术可在很大程度上弥补可见光人脸识别技术的缺陷和不足，该技术与可见光人脸识别技术的融合将是今后人脸识别研究的一个重要方向。本论文在深入研究红外人脸图像特性的基础上，系统研究了几种不同的红外图像人脸识别方法，并进行了相关的实验测试。研究了红外人脸图像的预处理方法。对红外人脸图像手动定位双眼，利用图像的几何变换对红外图像进行旋转、放缩、裁剪等操作，完成红外人脸图像的几何预处理；利用直方图均衡化法对红外人脸图像进行灰度预处理。对主成分分析和线性鉴别分析两种基于统计的红外图像人脸识别方法进行了研究。利用PCA算法对红外人脸图像进行降维并提取其特征向量，对降维后的红外人脸特征采用LDA算法训练生成一个使类间离散度最大、类内离散度最小的最佳分类器。实验结果表明该分类器对红外人脸图像具有较好的分类效果。采用标号图来表示红外人脸图像，标号图的节点用一组描述人脸局部特征的二维Gabor小波变换系数标示，这些节点位于红外人脸图像上对识别有意义的特征点位置上；标号图的边用描述相邻两个节点相对位置的度量信息来标示，由各边组成的网格图结构描述了整个人脸的几何特征。通过红外人脸图像与人脸束图之间的弹性束图匹配，确定标号图上特征点的位置，然后计算特征点位置的二维Gabor小波变换系数并进行人脸的分类识别。基于人工神经网络的基本理论，设计了一个三层BP神经网络。采用PCA+LDA方法对红外人脸图像进行特征提取，将提取出的特征向量用于BP神经网络的训练，得到一个鲁棒性和容错性较强的分类器。实验结果表明采用PCA+LDA与BP神经网络相结合的红外图像人脸识别方法能够达到较高的识别率。