针对训练样本和测试样本均存在光照及遮挡时,破坏图像低秩结构问题,本文提出基于监督低秩子空间恢复的正则鲁棒稀疏表示人脸识别算法。首先,将所有训练样本构造成矩阵 D,对矩阵 D 进行监督低秩矩阵分解,分解为低秩类相关结构 A,低秩类内差异结构 B 和稀疏误差结构 E;然后用主成分分析方法找到类相关结构 A 低秩子空间的变换矩阵;再通过变换矩阵将训练样本和测试样本投影到低秩子空间;最后,在低秩子空间中,通过正则鲁棒稀疏编码进行加权分类识别。在 AR 和 Extended Yale B 公开人脸数据库上的实验结果验证本文算法的有效性及鲁棒性。