在生物特征识别技术中,人脸识别是最自然、最直接和最友好的手段。人脸检测和识别在身份认证、电子商务、视频监控、人机交互等领域具有广阔的应用前景。人脸检测和识别已经成为模式识别和人工智能领域中极富挑战性的热点课题之一,对人脸检测和识别的研究具有很高的理论意义和实用价值。本文对人脸特征提取、人脸非均匀光照补偿和人脸识别中的小样本(Small Sample Size,SSS)问题等内容进行了研究,具体的研究成果主要包括:1)对基于自适应信号分解算法的人脸特征提取进行了研究。把从训练集平均脸提取的内模函数(Intrinsic Mode Functions,IMFs)作为匹配追踪算法(Matching Pursuit Algorithm)的基本函数库来提取图像的特征,并分别提出了基于经验模式分解(Empirical ModeDecomposition,EMD)的人脸检测算法和人脸性别分类算法。2)对基于时频分析技术的人脸检测进行了研究。把训练集平均脸的时频分析输出结果组合成投影向量,通过计算待测图像与各投影向量之间的内积来提取特征,并训练分类器进行分类判决。分别提出了基于小波分解和Gabor变换的人脸检测算法。3)对基于小波变换的人脸非均匀光照补偿进行了研究。将人脸图像通过对数变换后,分别利用小波变换、小波包变换和多小波变换舍弃图像的低频分量,实现了对人脸非均匀光照的补偿。同时提出了相应的人脸非均匀光照补偿算法。4)对利用Gabor小波变换来解决人脸识别中的小样本问题进行了研究。将人脸样本通过Gabor变换后的每个输出图像都看成是一个独立的训练样本,这等效于在保持训练样本维数不变的情况下,使每类的训练样本数成倍的增长,解决了人脸识别中的小样本问题。并提出了相应的人脸识别新算法。对上述提出的所有算法都进行了实验验证和分析,证明了所提出方法的有效性。