人脸图像中眼睛、眉毛、鼻子等部件的检测和定位是人脸识别领域的重要研究课题，对于提高人脸识别系统的性能有重要的意义，同时，人脸部件的定位对于人脸检测、头部姿势估计、人脸表情分析等研究也有着非常重要的价值。　　 本文重点研究光照变化和表情变化情况下的鼻子定位问题，提出了基于子类判别分析(subclass Discriminant Analysis，SDA)的鼻子定位万法。同时，为了进一步提高鼻子定位的精度，本文还研究了人脸图像中鼻孔的定位问题，提出了一种基于快速角点检测(Fast corner Detection)和同态滤波的鼻孔定位方法。具体而言，本文主要的研究内容和成果如下：　　 (1)研究了基于SDA的鼻子定位方法，较好地解决光照变化和表情变化情况下的鼻子定位问题。本文提出的鼻子定位方法包含两个基于SDA算法的鼻子定位阶段，两个阶段的不同在于用于训练SDA分类器的鼻子负样本选取的不同。在粗定位阶段，我们从人脸图像中随机选取图像块作为负样本，而在精确定位阶段，我们选取包含部分鼻子且不以鼻尖为中心的图像块以及鼻子周围邻域的图像块作为负样本。粗定位阶段从整个人脸区域定位鼻子，而精确定位阶段则在粗定位的鼻子区域周围对鼻子位置作修正。本方法在没有利用脸部部件位置关系先验知识的情况下，从人脸区域直接定位鼻子。在328个包含不同表情和光照的AR人脸图像以及161个包含较小姿势变化的FERET图像上进行实验，获得较高的鼻子定位成功率。　　 (2)研究了基于快速角点检测和同态滤波的定位鼻孔问题。根据鼻孔灰度值低于鼻孔邻域内像素灰度值的特点，应用快速角点检测定位鼻孔候选点。同时，采用同态滤波二值化图像方法定位鼻孔候选点。筛选和综合两种方法定位出的鼻孔候选点，得到唯一的左鼻孔和右鼻孔。该方法结合了两种方法鼻子定位的优势，使得本文提出的基于快速角点检测和同态滤波的鼻孔定位方法在不同光照和不同表情条件下，都能获得较好的鼻孔定位成功率。最后，由鼻孔与鼻尖的几何位置分布关系，利用鼻孔位置修正鼻尖位置，进一步提高了鼻尖定位精度。