人脸作为行为人的重要标志,在情感传递和身份识别中起着重要作用。人脸识别以其非接触无侵犯性采集、友好、方便、可交互性等特点,在众多的生物特征识别技术中始终具有重要的研究意义和广阔的应用前景。但人脸是一个三维的非刚体,容易受表情和年龄增长的影响而产生形变,同时,用于识别的人脸图像也容易受到光照和成像环境的影响。随着研究的深入,各种新算法被应用到人脸识别中来适应不同的环境,但到目前为止,还没有一种方法对所有的情况都能适用。因此提出一种高性能、鲁棒性好的人脸识别算法依然是该领域面临的一个巨大挑战。特征提取和特征选择是人脸识别系统的重要组成部分,如何提取特征来有效地表示人脸模式是人脸识别领域研究的热点。本文研究了各种基于线性子空间分析的人脸识别方法。子空间分析方法依据一定的性能目标寻找一个合适的线性或非线性的空间变换,将保持原始数据拓扑性质不变的、易于统计分类识别的特征留在子空间中,使子空间中数据分布的更加紧凑,从而达到降低原始数据维数的同时,降低计算的复杂度,为数据提供更有效的描述。基于子空间分析的人脸识别方法利用人脸图像的统计信息进行分类识别,因其具有计算代价小、描述能力强、可分性好且易实现等特点,已成为人脸识别的主流方法之一。论文以人脸识别为目标,对基于子空间分析的人脸特征提取进行了相关研究,针对传统线性子空间分析方法,提出了两种新的特征提取算法,并将它们用于三种不同的人脸数据库,验证了它们在不同环境和条件下的识别效果。论文的主要贡献概括如下：1.提出一种结合人脸对称特性、函数奇偶分解原理和加权主成分分析的特征提取方法。该方法充分利用了人脸本身的自然结构特性,将人脸图像空间变换到奇对称人脸图像空间和偶对称人脸图像空间,增加了人脸图像的可利用信息。通过分别在奇偶对称人脸空间上的加权主成分分析,平等看待对称子空间中的特征分量,降低了几个由光照、表情和姿态变化引起的较大主成分对整个人脸识别系统性能的影响。2.提取了人脸图像的独立环形对称Gabor特征,并将其用于人脸识别中。环形对称Gabor变换修改了Gabor变换的基函数,在保留了Gabor变换在图像分析中的时频、空频局部性的同时,降低了变换后的数据量和计算复杂度,在此基础上,对变换后的数据做独立成分分析,在降维的同时,提取更适合分类识别的独立环形对称Gabor特征。在ORL、Yale和FERET人脸数据库上的实验结果表明,该方法的识别率较传统的基于Gabor变换和基于子空间的人脸识别方法有了一定的提高,取得了较好的识别效果。