人脸识别是一个典型的图像模式分析、理解与分类计算问题，它涉及到模式识别、图像处理、计算机视觉、统计学习和认知科学等多个学科。人脸识别问题的深入研究和最终解决，可以极大的促进这些学科的成熟和发展。同时作为生物特征识别主要研究内容之一的人识别技术在安全部门、身份鉴别、数字监控等领域的应用前景十分广阔，研究人脸识别技术具有十分重要的理论价值和应用价值。　　 本文首先介绍了人脸识别技术的研究背景和主要方法，然后针对人脸识别技术中的关键环节：人脸图像预处理、特征表示和特征提取进行了深入研究。　　 如何有效的寻找最具可判别性的人脸特征鲁棒表示，从而能对不同光照、表情、视角变化下的人脸图像中提取使之区别于其他个体的特征，是人脸识别研究的一个关键问题。本文重点研究了一种基于双树复小波(DTCWT)的人脸特征表示方法，其近似的平移不变性，以及对光照、表情等变化具备鲁棒性，非常恰当地提取出了最具可判别性的人脸特征信息。实际问题中原始样本的分布通常是高度复杂和非线性的，本文继续研究学习了KFDA这种非线性特征提取方法。在KFDA方法中结合DTCWT的特征表示，并通过ORL人脸数据库上的实验结果验证了本文方法的有效性。