自动人脸识别具有巨大的应用前景,已经成为模式识别、计算机视觉以及信息技术相关学科中活跃的研究领域。过去的几十年中,已经有多种人脸识别方法被提出。本文针对人脸识别中的特征提取和分类问题进行了研究,应用子空间方法,提出了新的人脸识别算法。图像变换是重要的人脸特征提取方法。双树复小波变换可以提取多尺度,多方向的图像特征,同时具有平移不变特性。相对于Gabor小波,双树复小波变换可以有效地保持频域信息。本文提出了基于双树复小波变换和独立成分分析的人脸识别方法。人脸图像的双树复小波变换系数构成特征向量,通过独立成分分析进行子空间投影,采用基于概率推理模型的分类器进行分类。双树复小波变换变换在每个尺度上提取6个固定方向的特征,其中不包括水平和竖直方向。人脸中的主要器官呈现水平和竖直方向特征,提供重要的分类信息。针对双树复小波变换不能直接提取水平和垂直两个方向特征的不足,本文提出了一种结合双树复小波特征和Gabor小波特征的人脸识别新方法。采用0和90的Gabor小波滤波器提取人脸图像水平和竖直方向的特征,与双树复小波特征共同构成特征向量。应用fisherfaces方法进行子空间投影,采用基于欧式距离的分类器实现分类。贝叶斯人脸识别方法分别求取人脸图像的类内和类间差异,在主成分分析子空间中应用高斯概率分布对人脸差异进行建模,通过估计人脸图像差异的后验概率进行分类。由于人脸图像受到多种复杂因素的影响,高斯模型不能对人脸差异进行准确的描述。针对这一问题,本文提出了基于独立成分分析的贝叶斯人脸识别方法。采用独立成分分析计算人脸差异子空间,分别估计每一维度上的概率密度函数,各个维度相乘获得子空间中的高维概率密度函数。本文采用广义高斯模型对人脸差异在独立成分分析子空间中的投影进行建模,提高了概率密度函数估计的准确性和人脸识别方法的效果。