人脸识别技术是利用计算机分析人脸图像并从中提取有效的识别信息，进而用来“辨认”身份的一门高新技术，被广泛应用于许多领域。近年来在小波变换基础上发展起来的轮廓波(Contourlet)变换不但具有小波变换的多分辨率，时频局部特性，还具有各向异性，多方向选择性特性，能够提供最为本质的人脸特征、削弱噪声干扰、减少计算量，将它应用于人脸识别具有良好的效果。 本文重点研究了基于Contourlet变换和支持向量机的人脸识别方法。主要内容有： 1．分析了小波的局限性和Contourlet的特点，并通过实验将Contourlet变换的人脸识别算法与几种常用小波变换的人脸识别算法从识别率和识别时间上做了比较，得到了前者具有更好的识别效果的结论。 2．提出了一种Contourlet变换与2DPCA(二维主元分析)相结合的人脸识别算法，实验证明了该算法的有效性。该算法计算量小，效率高，并对人脸的姿态、表情变化和遮掩物具有一定的鲁棒性。 3．将Contourlet和2DPCA结合的算法与经典的PCA(主元分析)方法通过实验做了对比，证明了本文算法比PCA算法在识别率和识别速度方面均有提高。 4．提出了一种基于聚类分析的二叉树多类SVM(支持向量机)的算法，该算法比起其他的多类分类方法有着较少的分类器个数，推广性能也比较好，通过实验证明它比一般的二叉树多类SVM算法具有更好的识别结果。 5．将用Contourlet和2DPCA结合提取的人脸有效特征，输入SVM进行分类，取得了非常高的识别率，对人脸表情、姿态、光照的变化和遮掩物都有较好的鲁棒性。同时研究了支持向量机的核函数及其参数的选取，对比各个核函数的识别效果，选择出了最佳的核函数。最后还同最近邻分类器做了对比，得出支持向量机具有更好的分类性能的结论。