由于人脸具有唯一性和不易复制的良好特性,并且能在非接触环境和不会对检测人打扰的情况下进行,其商业和实用的价值超过其他的生物特征技术。人脸识别近几十年来越来越受到研究者的重视,使得人脸识别技术发展迅速。在众多人脸识别方法中,子空间方法由于其简单、实施性好、有效性高等特点,逐渐成为近年来的热点研究之一。本文主要对人脸识别特征提取的子空间方法进行研究,并将双树四元数小波应用到人脸识别方向。论文的创新性成果如下:①提出了二维局部鉴别保持投影(2DLDPP)算法。通过对二维局部保持投影(2DLPP)和可调最大间距边缘准则(MMMC)进行研究,发现2DLPP利用了局部结构信息,而MMMC则是利用了全局结构信息。为了使2DLPP方法从无监督的方法变为有监督的方法,本文首次提出了2DLDPP算法。该算法首先是将可调最大间距边缘准则(MMMC)运用到二维中,是二维可调最大间距边缘准则(2DMMMC),然后将2DMMMC引入到二维局部保持投影(2DLPP)中,并且通过构造一个参数来达到最优。2DLDPP是通过2DLPP和2DMMMC进行差的运算,来达到有监督的目的,即保持了2DMMMC的全局结构信息又利用了2DLPP的局部结构信息。所以2DLDPP最大限度地使投影后类内的距离最小化,同时类间的距离最大化。该算法在ORL人脸库和FERET人脸库上进行实验分析,结果表明,2DLDPP方法有效,且优于主成分分析(PCA),二维主成分分析(2DPCA),局部保持投影(LPP)和二维局部保持投影(2DLPP)。②提出了二维双向逆拉普拉斯最大间距边缘准则算法(2DBILMMC)。本文对二维最大间距边缘准则(2DMMC)进行研究,发现2DMMC忽略了局部结构的鉴别信息,而人脸图像是有这部分信息的。为了使2DMMC能够利用上局部结构,本文首次提出2DBILMMC算法。该算法是通过基于图像矩阵的相似距离权重和不相似距离权重来计算出图像的类间拉普拉斯矩阵和图像类内拉普拉斯矩阵,得到二维拉普拉斯最大间距边缘准则,进行逆转,然后合并垂直和水平的信息得到一个复杂的特征矩阵。对二维拉普拉斯最大间距边缘准则进行逆转其实就是让基于特征空间的类内拉普拉斯矩阵与类间拉普拉斯矩阵的最小化,即同类样本距离最小化同时使异类样本最大化。2DBILMMC合并垂直和水平的信息得到一个复杂的特征矩阵,就是充分地利用了两个方向的结构信息。本文首次利用2DBILMMC方法在AR人脸库,FERET人脸库及YALE人脸库上进行实验,结果表明,2DBILMMC有效且优于MMC,2DMMC,LDA和2DLDA。③提出了二维合并双向拉普拉斯逆线性判别分析算法(2DCBLIF)。该算法是通过将拉普拉斯的思想引入到二维的逆线性判别分析算法中得到二维拉普拉斯逆线性判别分析算法,然后合并垂直和水平的信息得到一个复杂的特征矩阵。2DCBLIF合并垂直和水平的信息得到一个复杂的特征矩阵,就是充分利用两个方向的结构信息。本文首次利用2DCBLIF方法在FERET人脸库,CMU PIE人脸库上进行实验,结果表明,2DCBLIF有效且优于2DLDA,2DPCA,2DMMC。④提出了将双树四元数小波(QWT)用于人脸识别方向。QWT是建立在二维希尔伯特变换基础上的。每个四元小波都有一个实部,即离散小波变换和使用四元数代数构造的3个虚部。QWT有3个相位角,其中2个相位角能编码图像的局部变化,另一个相位角则可以编码纹理信息。它可以作为一种新型的分析几何图像特征的多尺度分析工具。本文首次利用QWT在人脸识别。通过在AR和FERET人脸库上的实验结果表明,用QWT处理后的图片再用2DPCA和2DLPP的识别率优于图片直接用PCA,2DPCA,LPP和2DLPP方法。这是一个可能性,即QWT可以分析文本信息丰富的人脸图像。