人脸识别由于所需设备比较简单、安全性高、隐蔽操作性强等优势,目前已成为生物特征识别最受欢迎的方向之一。近几十年在国内外诸多研究者的努力下,大量的人脸识别算法被提出,为人脸识别的发展积累了丰富的理论基础。然而,在实际应用场合中,人脸识别仍面临很多问题,主要表现为:姿态变化、光照变化和遮挡等问题,导致人脸识别只能在特定场合和理想条件下才能使用。分数阶傅里叶变换(Fractional Fourier Transform,Fr FT)作为当下流行的时频分析工具,不仅能够提取出强有力的人脸特征,而且相比于其他时频分析工具,Fr FT更加灵活。因此,利用Fr FT进行特征提取为人脸识别提供了新的方向。首先,本文详细介绍了Fr FT的定义、性质和常用的两种离散算法。其次,针对人脸图像过亮或者过暗的情况对识别的影响,介绍了两种常用的光照预处理方法。最后,对第三章和第四章算法中用到的降维方法以及分类方法进行了概述。针对局部二值模式只能提取人脸图像中的局部结构信息,丢失了人脸的全局特征这一缺陷,首先,提出了利用多尺度局部二值模式来编码Fr FT图像进行人脸识别。通过选取不同尺度的LBP算子,就可以提取到人脸不同尺度的结构特征,并对捕获的不同尺度的人脸特征进行加权融合,融合后的特征既包含人脸的局部特征又包含人脸的全局特征。其次,考虑到人脸还包括重要的空间关系,并且人脸不同部位所包含的信息对于识别的贡献是不一样的,因此,对图像进行分块考虑,求取各个子块的统计直方图,将各个子块得到的直方图串联,得到最终的空域增强的直方图,用于人脸识别。最后在公共的人脸库中进行实验,验证算法的有效性。鉴于离散余弦变换可以对数据进行压缩的特点,首先,提出利用离散余弦变换对分数阶傅里叶变换提取的各个阶次的特征进行压缩。由于传统方法提取的DCT系数用于人脸识别的效果不好,提出了采用DPA的方法对DCT系数进行提取。其次,由于不同阶次的Fr FT提取的特征在识别中的鉴别力量是不一样的,因此,提出了一种计算各个阶次的权重的计算方法,对各个阶次的Fr FT特征进行加权融合,作为人脸的特征进行分类识别。最后在人脸图像库中进行实验,验证算法的有效性。