特征提取是人脸识别研究中的最基本问题之一。在这一研究领域,提出了许多经典的算法,如基于子空间的主分量分析方法,线性鉴别分析方法和独立成分分析方法等,以及在支持向量机的基础上演变而来的基于核技巧的非线性特征提取方法等。特征提取问题的深入研究和最终解决可以极大的促进模式识别领域学科的成熟和发展。本文结合国内外研究现状,指出人脸识别中特征提取技术对于科研及应用的重要意义,并且对特征提取技术的研究现状及发展趋势进行了分析和总结;然后综述了与之相关的一些基础理论知识,针对特征提取技术进行了深入系统地研究。本文给出了三种特征提取算法:1.在间距最大准则的基础上,提出了判别间距最大准则。该准则通过最大化类间离散度和最小化类内离散度,寻找原始结构中,最好的类判别信息,提高了算法的有效性和稳定性。2.基于局部保持投影的统计不相关位置保持投影。该算法通过综合考虑类内结构和类间结构,获得较好的鉴别能力。另外,ULPP算法的约束条件是统计不相关的,进一步提高了算法的性能。3.基于LPP的复合位置保持投影。该算法在构建邻接图时,边的确定是通过判断两点的类别信息,而不是通过比较欧氏空间距离大小,降低算法的计算复杂性。算法在确定邻近点的同时,也确定非邻近点,通过映射,使得同类样本点尽可能的接近,类之间尽可能的分离,甚至在原始空间中相互接近的类也彼此分离,最大限度地保留样本所包含的有用鉴别信息。通过多个人脸库识别实验验证了以上三种算法的可行性和有效性。