本文研究了人脸识别中的特征提取方法,主要关注线性子空间方法和以流形为代表的非线性特征提取方法。在深入分析现有理论和相关算法的基础上,提出了一些改进的特征提取算法并应用于人脸识别。首先研究了基于线性子空间的特征提取方法,即无监督的线性特征提取方法:主成份分析(PCA)、独立成份分析(ICA)和有监督的特征提取方法:Fisher判别分析(LDA)、最大间距准则(MMC)。通过在不同人脸库上进行的仿真实验得出了一些有意义的结论。其次深入分析了以流形学习为主的非线性特征提取方法。研究了当前具有代表性的流形学习及其特征提取算法,等距映射(Isomap)、局部线性嵌入(LLE)、拉普拉斯特征映射(LE)、局部保持映射(LPP)及无监督鉴别投影映射(UDP),通过仿真试验揭示出基于流形的特征提取方法在人脸识别问题上的性能表现。最后基于UDP特征提取方法的研究提出了改进算法:基于正交化的UDP算法和具有统计不相关的UDP算法。分析了所提出的两个改进算法的理论基础和算法细节,通过在不同人脸库上的仿真实验验证了所提出改进算法在一定程度上优于已有的UDP算法。