小波分析已经在信号处理中取得了广泛的应用,这主要得益于其对信号的时、频局域分析能力及对一维有界变差函数类的最优逼近性能。但是对于人脸图像这样的包含大量奇异曲线的二维图形,小波分析并不能充分的利用数据本身特有的几何特征(线奇异性、面奇异性)获取“稀疏”的函数表示方法。Curvelet变换能够获取对二维或高维空间中含奇异曲线或曲面的函数近乎最“稀疏”的表示。因此,研究Curvelet变换在人脸识别中的应用具有很重要的意义。本文首先介绍了小波的多尺度几何分析、Curvelet变换、人脸识别以及模式识别的基本理论,然后研究了Curvelet变换在人脸识别领域中的两个方面应用。第一、提出了一种基于Curvelet变换和主分量分析的人脸识别算法算法的主要设计内容包括以下3个方面：(1)人脸图像的输入及Curvelet变换系数的提取；(2)使用PCA和LDA进行降维处理；(3)对降维后的系数进行模式识别,得到人脸识别的识别率。为了研究表情及光照对人脸识别的影响,分别采用了Yale表情人脸库及Yale_B光照人脸库,并与小波变换的结果进行了对比。实验结果表明,在表情人脸库中,Curvelet变换的高频层的识别性能优于小波；在Yale_B光照人脸库中,Curvelet变换性能与小波相近。第二、提出了一种基于Curvelet变换的拒识率／误识率的算法首先,设计了基于Curvelet变换的拒识率／误识率的算法；其次,选取了Yale及ORL人脸库分别作为类内及类外人脸库进行了实验,并将此实验结果与小波变换的拒识率／误识率的算法进行了比较,实验结果表明,在同等条件下,Curvelet变换较之小波变换具有更低的拒识率和误识率。