人脸识别是模式识别领域的一个重要研究课题。而姿势问题是人脸识别技术实用化的瓶颈之一，由于三维物体在不同视角下的二维投影属于非线性变换，所以很难通过简单的模型来表达人脸的姿势不变特征。为了克服这个困难，本文通过姿势分类首先确定人脸的姿势类别，然后根据同姿势下数据库图像合成一张正脸。主要可以分为以下两方面的内容：(1)对于人脸姿势分类，本文结合Gabor滤波和核Fisher判别准则，讨论了人脸图像在不同旋转方向的情况下，不同方向、尺度的Gabor滤波器提取特征的能力以及对于人脸姿势分类结果的影响；(2)在正脸图像合成方面，本文提出了一个完整的合成方案：首先将图像进行姿势分类，然后使用一种合理的图像表达方法，对图像的特征进行逐点的对齐，最后利用线性物体类的性质，在误差允许的范围内，合成出一个正脸图像。实验结果表明，不同方向、尺度的Gabor滤波器对于不同朝向的姿势分类具有不同的性能，使用小尺寸的Gabor滤波器能提取更多的姿势不变特征，这是因为小尺寸的Gabor滤波能保留图像的精细信息；另外，当滤波器的方向与图像旋转方向一致的时候，滤波结果放大了相应姿势图像之间的差异，最终提高了正确分类率。对于正脸合成，实验结果表明，本文提出的面积与特征相结合、多分辨率的点点对应算法是有效的，并在输入图像有大范围形状差异和光照变化时的合成效果是可以接受的。