人脸是人们社会交流中所关注的焦点，在辨别身份和传递感情方面起着重要的作用。人脸识别一直是模式识别和计算机视觉领域研究的热点。特征提取技术广泛应用于人脸识别中，以减少数据量和增强数据可分性，其中最具代表性的特征提取算法有：基于主分量分析的PCA方法(又叫特征脸法)、基于独立分量分析的ICA方法、基于最佳线性鉴别分析的LDA(FLD)方法和基于最大类间边缘准则的MMC方法。PCA方法和ICA方法忽略了样本类内和类间分布信息，提取的特征对于分类判决不是最优的；LDA方法由于存在小样本问题(SSS)稳定性较差；MMC方法最大化类间散布矩阵和类内散布矩阵之差，分类效果与LDA方法相当，同时克服了LDA方法存在的小样本问题，近年来得到了研究者广泛的关注。 离散余弦变换(DCT)和离散小波变换(DWT)是两种常用的数据压缩技术，一方面，它可以代替PCA方法应用于特征提取中，尽管在有效性方面它不及PCA方法，但是DCT/DWT有其自身的优点，DCT/DWT变换系数只与单幅图像而不是所有训练样本有关，因此当有新的训练样本加入进来时，基于DCT/DWT变换的应用系统不用重新对所有样本进行训练；另一方面，在应用PCA和LDA等特征提取方法之前可以先用DCT/DWTT去掉冗余信息从而降低计算复杂度。已经证明，PCA和LDA直接应用于DCT域和分块DCT域所得到的结果和空间域的结果完全相同。 本文的研究成果主要包括以下两个方面： 1)深入研究了人脸识别特征提取中各种基于统计特征提取方法的优缺点，在MMC方法的基础上提出一种加权最大类间边缘准则(WPMMC)特征提取方法。它可以看做MMC方法的一般形式，通过实验验证了这种新的特征提取方法具有较好的稳定性和有效性。 2)从理论上证明了WPMMC方法所提取的特征对于正交变换的不变性，由于图像压缩编码中所采用的核心算法DCT、分块DCT和DWT均为正交变换。(1)如果图像数据为JPEG/JPEG2000压缩编码形式，解码到DCT/DWT系数就可以直接应用，省去了计算IDCT/IDWT的过程，从而降低计算复杂度。(2)对于JPEG/JPEG2000图像，一些包含信息量较少的DCT/DWT系数通过量化编码的方式可以去除，图像冗余信息得以消除，节省了存储空间。