特征提取是模式识别研究中的最基本问题之一。对于图像识别而言,提取有效的图像特征是完成识别任务的一个关键问题。近年来,子空间方法因其计算简单、有效等特性在特征提取领域得到了广泛应用,其本质就是把原始的高维样本数据投影到一个更有利于分类的低维特征子空间。作为图像识别的重要应用,人脸识别是当前计算机模式识别领域中的一个非常活跃的研究课题,本文以人脸识别为应用背景,以子空间特征提取方法为主题进行了相关研究,论文的主要工作和贡献如下:1.针对奇异值特征对细节描述不充分、包含有效鉴别信息不足的问题,本文将鉴别能力强的局部区域用于识别,提出了组合奇异值特征的概念,该特征具有一系列与奇异值特征类似的理想属性,并兼顾了图像的整体和局部信息,人脸识别实验证明其具有良好的识别分类能力。此外,还提出一种基于灰度形态学和灰度投影信息的人脸局部区域提取方法,该方法避免了对五官特征点的精确定位,运算简单、快速,对人脸的姿态、表情等变化不敏感,应用于组合奇异值特征提取获得了令人满意的效果。2.把样本分布信息融于特征提取过程将有助于提高特征的分类能力。本文通过分析图像样本的分布特点,利用模糊隶属度的概念,提出一种基于模糊标号典型相关分析的特征提取新方法,通过构造模糊标号刻画样本的分布情况,并将其与典型相关分析结合,能提取综合灰度信息和分布信息的有效判别特征。此外,本文在研究核方法基本理论的基础上,采用核技巧将模糊标号典型相关分析拓展为非线性的形式,使其在继承线性方法所有优点的同时还能有效地提取更具鉴别力的非线性特征。人脸识别实验证实了新算法的有效性及应用价值,并从实验的角度验证了理论分析的正确性。3.详细讨论了小样本情况下基于典型相关分析的特征提取,并针对两种现有解决方法中存在的问题提出了相应的改进算法。首先,针对样本不足导致的小特征值包含较多干扰信息的问题,基于矩阵理论及双空间分析思想,提出一种双空间模糊标号典型相关分析算法,较好地缓解了过小特征值对算法性能的影响,并最大限度地保留了样本所包含的有用信息;其次,针对二维典型相关分析中类标矩阵维数较大及算法耗时过多的问题,提出一种改进的方法,该方法利用图像的频谱性质定义低维的类标矩阵,并从有利于模式分类的角度,借鉴Fisher准则构造了新的准则函数,最后利用二维主成分分析对所得特征进一步降维,得到了更具分类判别能力的低维特征。人脸识别实验验证了新算法的可行性和有效性。