1.基于对应关系预测的低分辨率人脸图像识别方法，其特征在于，包含以下步骤：步骤1)，确定训练样本中高分辨率训练样本和低分辨率训练样本的对应关系；

令 和 为n幅高分辨率人脸训练样本和低分辨率

人脸训练样本，其中， 表示第i(1≤i≤n)幅高分辨率人脸训练样本对应的dH维训练样本向量， 表示第j(1≤j≤n)幅低分辨率人脸训练样本对应的dL维训练样本向量，且有dH＞dL，l(xi)∈{1,2,...,C}为训练样本xi所属的类别标签；

步骤1.1)，根据以下公式分别计算高、低分辨率训练样本的结构矩阵AH∈Rn×C和AL∈Rn×C：

其中，||·||2代表向量2-范数；

步骤1.2)，根据以下公式对结构矩阵AH和AL进行归一化处理，得到新的结构矩阵BH∈Rn×C和BL∈Rn×C：步骤1.3)，根据以下公式计算高分辨率训练样本与低分辨率训练样本之间的相似度矩阵M∈Rn×n：其中，BL(i,:)表示矩阵BL的第i行，BH(j,:)表示矩阵BH的第j行，t代表高斯函数的宽度参数；

步骤2)，根据具有对应关系的高分辨率训练样本和低分辨率训练样本建立统一的特征空间，分别求出高、低分辨率图像空间到特征空间的投影矩阵PH和PL；

步骤3)，将用来进行比对的高分辨率训练图像通过投影矩阵PH投影到特征空间；

步骤4)，当需要识别低分辨率图像时，将其通过投影矩阵PL投影到特征空间，根据其在特征空间落入的类别区域，输出该低分辨率图像的类别。

2.根据权利要求1所述的基于对应关系预测的低分辨率人脸图像识别方法，其特征在于，所述步骤2)的详细步骤如下：步骤2.1),利用高分辨率训练样本，根据以下公式计算相似性矩阵W∈Rn×n：其中， 表示训练样本 的同类局部近邻样本集，nw表示 中的训练样本个数， 表示训练样本 的异类局部近邻样本集，nb表示 中的训练样本个数，m为表征训练样本集类内和类间关系的参数；

步骤2.2)，根据相似性矩阵W构造对角矩阵DW、高分辨率训练样本对应的对角矩阵 和低分辨率训练样本对应的对角矩阵步骤2.3)，构造矩阵

其中,MT表示矩阵M的转置；

步骤2.4)，解式以下广义特征方程：

T T

ZUZp＝λZVZp

步骤2.5)，将广义特征方程的前d个最大特征值对应的特征向量排成矩阵P＝(p1,p2,...,pd)，并用矩阵P的前dL行构成低分辨率图像空间到特征空间的投影矩阵PL、用矩阵P的后dH行构成高分辨率图像空间到特征空间的投影矩阵PH。

3.根据权利要求2所述的基于对应关系预测的低分辨率人脸图像识别方法，其特征在于，所述步骤3)的详细步骤如下：对于用来进行比对的高分辨率训练图像 根据根据以下公式利用投影矩阵PH计算其在特征空间对应的特征向量

4.根据权利要求3所述的基于对应关系预测的低分辨率人脸图像识别方法，其特征在于，所述步骤4)的详细步骤如下：步骤4.1)，对于待识别的低分辨率图像 根据以下公式计算 的特征向量步骤4.2)，在特征空间中计算 到 距离，获取其中的最小距离对应的高分辨率训练图像，并将该高分辨率训练图像所属的类别作为该待识别的低分辨率图像的类别输出。