人脸图像是最常使用的人体生物特征，人脸识别技术是生物特征识别技术中常用的方法。这是一种可接受又易于应用的识别技术。尽管已经有成功的商业应用系统，但仍然有极大的提高空间。毫无疑问，人脸图像是人脸识别成功的基础，如果图像本身对于识别系统足够充分，则从大量的数据中鉴别一个人是可以得到较高的识别率和信服度的。人脸识别系统应该包括自动检测图像中的人脸，提取出特征，从任意的角度进行识别，这依然是相当困难的。另一方面，识别任意光照条件下的人脸图像仍存在困难。 如何描述每个个体人脸的特征，使之区别于其他个体，是人脸识别研究中的关键问题之一。近年来提出了大量的方法，其中随着主成分分析在人脸识别中的成功应用之后，子空间算法因其具有的优良特性，受到了广泛的关注。论文结合近年来已发表的文献，对线性子空间算法，包括主成分分析(PCA)、独立成分分析(ICA)、线性判别分析(LDA)在人脸识别中的应用进行分析、比较和总结。详细讨论了三种方法的理论基础和各种研究评价结果。 因为目前尚没有系统地对这三种算法与各种相似测量准则结合进行人脸识别实验的比较研究结果。论文试图通过在相同的条件下(同样的预处理过程—图像的旋转、剪切、增加)，对上述三种应用最广泛的子空间人脸识别算法进行比较研究。论文使用ORL和UMIST人脸数据库作为人脸识别实验的样本图库，所有算法均在MATLAB上运行。希望测试尽可能多的不同相似度测量公式，得到最佳的算法组合(不同的投影算法和距离测试公式组合)。实验表明没有一个通用于任意数据集的算法组合，不同的数据集，得到的最佳算法组合也不同。