人脸识别涉及模式识别、机器视觉、图像处理等诸多学科，具有重要的理论研究价值和广阔的应用背景。人脸图像存在着各种自身的和环境的变化因素，因此，人脸识别研究复杂而艰巨，有很多关键技术问题有待进一步解决和完善。本文主要对光照预处理、局部二进制模式(LBP)、小波变换和曲波(Curvelet)变换等图像处理技术进行了深入学习与研究，对人脸特征提取进行了细致分析，并提出了新的人脸识别算法，主要工作包括以下两个方面：提出了一种基于小波变换与多尺度LBP特征融合的人脸识别方法。该方法首先对人脸图像进行光照预处理，接着对其进行分块，然后对不同子块分别采用不同尺度的LBP算子提取直方图特征向量，将各子块的LBP直方图特征串连起来作为该人脸图像的LBP特征向量；接下来对人脸图像做小波分解，提取小波特征向量，最后将LBP特征和小波特征进行加权融合，生成用于分类的特征空间。实验表明，特征融合后的识别率相比单一特征的识别性能有一定的提高。提出了一种结合曲波变换与LBP算子的人脸识别方法。由于光照变化影响Curvelet变换的低频系数，而人脸的表情变化与Curvelet变换的中高频系数均具有方向敏感性，该方法首先对人脸图像进行光照补偿，然后对预处理后的人脸图像进行Curvelet变换，通过修改最优尺度层和细尺度层系数达到了图像去噪与纹理增强的目的，利用反变换对人脸图像进行重构，对重构图像进行多层分块，最后对不同子块采用不同尺度的LBP算子提取特征向量，将其用于人脸识别，与传统的结合小波分析与LBP算子的人脸识别进行了实验比较，实验表明，在不同光照与表情变化的情况下，该方法均取得了更好的识别效果。