在人脸识别的一些特殊应用(公安刑侦业务)中，我们常常会遇到不完整的人脸图像，通常的人脸识别算法都会把这些不完整的人脸图像作为不符合识别条件的图像而拒识。但是，对于公安机关来说，这些不完整的人脸图像提供了丰富的破案线索，对这些不完整的人脸图像进行识别将会大大缩小侦察的范围。人脸识别属于模式识别的范畴。特征脸(eigenface)方法是目前人脸识别中研究颇多的方法。特征脸方法的理论基础是矩阵的主元分析。所谓特征脸就是人脸图像协方差矩阵的主元。由于协方差就是统计平均，因此，特征脸的方法在本质上属于统计模式识别的方法。本论文根据不完整人脸图像的特点，参考特征脸方法的思想，提出一种基于结构主元分析的人脸识别方法。长期以来，特征脸方法一直受到计算复杂性的困扰。一幅N×N的图像，其协方差矩阵是一个N2×N2的矩阵。当N增大时，计算一个N2×N2矩阵特征向量所需的计算资源恐怕是一个NP完全的问题。目前，人们常常利用类似奇异值分解的方法来解决这个问题。但是，当样本数增多时(理论上，样本越多越好，因为样本越多，样本平均就越接近统计平均)，这种做法恐怕还是摆脱不了NP完全的怪圈。本论文提出的基于结构主元分析的人脸识别方法，不论图像多大，都是先把图像分成图像块，然后计算图像块(而不是整幅图像)协方差矩阵的特征向量。由于图像块的大小是固定的(如16×16)，并不随图像的大小而变化，因此，基于结构主元分析的人脸识别方法的计算量不会随着图像的增大而疯长。基于结构主元分析的人脸识别方法融合了统计模式识别和结构模式识别的优点。通过调整结构主元的加权系数，可以适用各种不完整人脸图像的识别。实验结果表明，本论文提出的基于结构主元分析的人脸识别方法对于不完整人脸图像的识别有较好的结果。