人脸识别是我们日常生活中使用的最多也是最重要的能力,因此成为了当前模式识别研究领域内最热门的课题之一。就目前来说,人脸识别方法一般是建立在子空间特征提取的基础上,但是子空间特征提取的鲁棒性会由于表情、光照及姿态等变化而变得不稳定,限制了人脸识别在实际应用中的效果。基于稀疏表示的人脸识别算法,将稀疏表示理论应用到了人脸识别领域,避免了维数灾难以及由特征提取进行降维导致的数据结构信息的损失,使得人脸识别在实际应用中的鲁棒性得到了非常大的提高。本文对稀疏表示理论在人脸识别中的应用进行了研究,并对基于稀疏表示理论的稀疏保留投影算法进行了改进。针对稀疏保留投影算法无监督性的不足,本文将其与图嵌入降维模型结合,提出了一种改进的特征提取算法——有监督判别稀疏保留投影SDSPP算法,并对其进行了加权扩展和二维空间扩展。SDSPP算法极大地保留了同类样本的稀疏重建关系,同时抑制异类样本的稀疏重建关系,可以有效提高SPP的判别能力。为了验证改进算法的有效性,本文在一些公共人脸库上进行了一系列的Matlab仿真实验,对提出的方法与其它方法进行对比。实验结果表明改进算法的识别率均比原算法有了一定程度的提高,证明了SDSPP算法的可行性。