人脸识别技术是模式识别、图像处理、计算机视觉以及人工智能等领域广泛研究的一个课题。由于人脸识别技术相比于其他的生物特征识别技术，具有非接触、直观、可跟踪等优点，所以在应用方面具有独到的优势。
　　 本文重点研究了整个人脸识别系统中的关键问题--特征提取，主要的研究内容和工作包括以下几个方面：
　　 (1)研究了人脸识别中被广泛应用的基于线性子空间的特征提取方法，使用自己创建的人脸库实现了PCA特征提取方法和LDA特征提取方法，并分析了这两种方法在应用中存在的不足。
　　 (2)针对PCA方法计算数据量大，过程复杂，而且对光照、姿态、表情变化鲁棒性差的问题，提出一种加权小波变换的DCT人脸识别方法。采用小波对人脸图像进行分解，选取合适的子带图像经过DCT变换提取特征量用于分类识别，提高了识别率缩短了识别时间。
　　 (3)针对LDA方法中的小样本和边缘类投影重叠问题，采用优化的Fisher准则函数，避免了对类内散布矩阵非奇异的要求；重新定义了仅考虑投影方向的加权类间散布矩阵，消除了边缘类的影响，提高了分类的准确性。