随着模式识别相关理论的发展,有关人脸识别的产品逐步走入了应用市场。但在应用中,由于人脸存在着各种非可控条件,如光照、表情、姿态等,这些条件可能导致在可控条件下识别性能较好的系统性能急剧下降。而在整个人脸识别系统中,人脸特征表示是关乎整个识别系统性能的关键环节。本文从人脸特征表示的分类算法出发,一种是基于局部特征表示算法,另一种是基于全局特征表示,阐述了几种在这两类算法中比较经典的算法原理和步骤,如主成成分分析(Principal Component Analysis,PCA)、线性判别分析(Linear Discriminant Analysis,LDA)、局部二值模式(Local Binary Pattern,LBP)和Gabor滤波,文章从运用预处理和融合算法两个方面对已有的人脸特征表示算法展开研究,所取得的主要研究成果有:(1)研究了光照预处理算法。预处理算法结合人脸特征表示能较好地解决人脸光照下的识别问题,为了提高人脸LBP特征表示的光照识别率和鲁棒性,综合对比了几种人脸预处理算法,并提出了一种改进retina的预处理算法来提高人脸的LBP特征表示。实验结果表明该预处理算法能有效提高人脸的LBP特征表示。(2)单一的局部相位量化算子(Local Phase Quantization,LPQ)表示人脸特征只应用了频域中的幅值信息,这种表示能力相对较弱,因此本文研究了Monogenic滤波和LPQ算子的相关原理,提出了一种基于Monogenic信息的局部相位量化人脸特征表示算法。实验验证了该算法具有较好的识别性能,对遮挡、表情、年龄等具有鲁棒性。(3)由于POEM(Pattern of Oriented Edge Magnitudes,POEM)算法中运用到的LBP算子只考虑到了邻域之间的像素问题,本文提出运用尺度块LBP去提取梯度累加幅值图的纹理特征,从而提出了基于方向边缘幅值的块尺度LBP人脸特征表示算法。实验结果表明改进的方法相较于POEM算法,性能有所改善。