人脸识别技术,是计算机图像处理技术的应用,具有很强的智能性、较强的操作性和实际应用性,给人们带来更多的方便和安全,是当前应用数学、模式识别和计算机视觉领域的一个研究热点,它提供了一种高可靠性、高稳定性的身份鉴别途径。人脸识别涉及的技术很多,其中关键的是特征提取和分类方法。本文以此为重点进行了相关的研究,主要工作及贡献如下：在预处理阶段,采用指数衰减法对人脸图像进行光照补偿,并对光照补偿后的人脸图像进行小波变换。由于人脸图像的低频部分在有表情变化的情况下仍然比较稳定,而高频部分反映了人脸的细节特征,其作用是不可忽略的,于是提出了一种小波子图融合方法。在保证识别效果的前提下,该方法可以较大地降低计算复杂度、提高运算速度。在特征提取阶段,不仅详细介绍了主成分分析和线性鉴别分析的理论和具体算法,还求取了小波子图融合之后人脸图像的二维特征脸特征,二维线性鉴别特征以及人脸图像差的特征脸特征。不同的分类器针对不同的情况、环境有各自的优势,因此组合不同的分类器会是个明智的选择。本文首先讨论了贝叶斯融合的精度,然后给出两种基于后验概率的多通道贝叶斯融合分类方法,一种是加权数据融合,另一种是分层式贝叶斯融合分类。通过加权融合两种特征(特征脸特征和线性鉴别特征)匹配度的后验概率以及分层式贝叶斯融合线性鉴别特征和基于人脸图像差的贝叶斯后验概率,进行了三组实验,理论分析和实验都表明在理想情况下多通道贝叶融合之后的系统的识别精度要高于任何单一通道的识别精度,并且获得了满意的识别效果。