在基于压缩感知理论的基础上，分别研究了人脸图像的识别问题与人脸图像真实性鉴别两个方面的内容。　　对于人脸识别问题，在SRC算法的基础上，将正交矩与稀疏表示结合起来，提出了基于全局的识别算法，分别对扩展的Yale B人脸库中38个不同个体存在光照差异的正面人脸图像以及AR人脸库中132个不同个体存在光照与表情差异的正面人脸图像进行了识别实验。　　·无噪声图像实验：对存在光照变化的扩展Yale B人脸库图像以及存在表情变化的AR人脸库图像进行了识别实验。结果显示对于扩展Yale B人脸库而言，当特征维数取496时本文算法的识别率达到了98.33％；对于AR人脸库而言，识别率达到了88.72％。均比原有算法的识别结果有了一定提高。此外还尝试局部人脸的识别算法，结果显示同样能获得较高的识别率。　　·有噪声图像实验：对受到椒盐噪声和高斯白噪声干扰但光照条件较好的部分扩展Yale B人脸库图像进行了识别，结果显示椒盐噪声比例达到70％时，特征维数取496的本文算法仍能保持100％的识别率；而高斯白噪声的信噪比达到0.3时，能够取得97.70％的较高识别率。此外还对有局部遮挡的图像进行了识别，结果显示，当遮蔽面积达到40％时，本文算法能保持超过90％的识别率。　　·识别时间：本文算法识别一幅测试图像的平均时间在2～3秒左右，比起原有算法识别速度有了明显的提高。　　对于人脸图像真实性鉴别问题，在现有盲取证算法的基础上，提出了一种对分块图像进行稀疏变换与随机采样的分类算法，并对原始图像和经历了缩放、旋转、高斯滤波、对比度调节、亮度调节、JPEG压缩、直方图均衡化等后期处理的图像进行分类实验。结果显示本文算法能够从一定程度上区分原始图像与处理后图像。鉴别一幅图像的平均处理时间在0.1秒左右。