在科学技术发展成果日益丰富的今天,模式识别技术越来越成为研究热点。人脸识别技术是一门将新科技与人的生物特征相结合的技术,是图像处理与人工智能的研究热点,越来越多的应用在公共安全、身份认证、人机交互等领域。一般而言,人脸识别一般分为以下步骤:人脸图像采集与检测,人脸图像预处理,人脸图像特征提取,人脸图像分类处理。局部切空间排列算法是近几年出现的比较成功的流形算法之一,是目前国内学者提出的一种较为先进的算法。小波变换是经常用到的图像信息提取工具之一,用小波变换提取图像的特征信息具有多尺度、多方向、存在良好的空间性等特征。本文研究了人脸图像中的特征提取一步,提出了一种融合了小波变换与改进的局部切空间排列算法。该算法能够提取到图像的主要特征信息,对人脸识别的识别结果有显著提高。主要工作和创新点如下:(1)受Gabor小波变换与双密度双树复小波变换的启发,本文提出一种融合两种小波并基于图像的最大熵原则来提取人脸图像特征信息。(2)采用X-均值算法,将样本分为远小于样本数的有重叠的块,然后求得样本块在切空间的投影信息,再将局部信息通过排列整合到全局坐标。(3)将测试样本经过小波变换后得到的图像特征信息通过改进的局部切空间算法进行降维,然后再通过分类算法与训练样本进行人脸分类识别,得到识别结果。本文提出的人脸识别方法在包含400张人脸图像的ORL人脸数据库和包含165人脸图像的Yale数据库进行了实验,并与另外3种人脸识别算法所得的人脸识别结果进行对比。实验结果表明将两种小波融合并用流形算法降维后的人脸识别算法,能够有效地提取人脸特征信息,提高识别率。