生物特征识别中的人脸识别具有的独特优势使其应用于身份认证和安全防护等领域，并且具有广泛的应用前景。用于人脸识别特征提取的方法多种多样且日益完善，现在流行的做法是在变换空间内提取人脸图像的特征。小波变换因不能充分利用数据本身的几何特征而不能“稀疏”表示图像，多尺度几何分析(Multiscale Geometric Analysis，MGA)是调和分析和信号处理的一项重要研究成果，它发展的目的是为了检测、表示和处理某些高维空间数据，希望对多变量函数（尤其是二维图像信号）进行最稀疏的表示。　　 本文首先介绍了多尺度几何分析的基本理论，详细介绍了Gabor、Log-Gabor、Curvelet、重点介绍了基于Contourlet的多尺度、多方向分析。然后作出以下改进：　　 (1)详细总结介绍了常见的两类二维Gabor小波核函数，讨论参数的选择、分析其幅值、相位特性，在此基础上我们对大小尺度系数采用不同的采样率，提出了一种基于变采样率Gabor小波的人脸识别算法。　　 (2)比较研究Gabor、Log-Gabor、Curvelet及Contourlet四种多尺度变换结合子空间分析法在人脸识别中的应用效果，并分析其原因。　　 (3)对上述性能表现最好的Contourlet变换进行改进，提出了一种多尺度LBP与NSCT相结合的人脸识别算法(NSCTMLBP)，取得了很好的识别效果。