本文对人脸描述及特征匹配中的若干关键算法进行了研究。 首先，提出了一种鉴别独立分量分析(DiscriminantIndependentComponentAnalysis，DICA)的子空间学习方法。该方法在解决类内散布矩阵奇异问题的同时，兼顾了图象的高阶统计信息在识别任务中的重要性，提高了人脸的子空间描述性能。其次，提出了一种基于联合图象映射的图象特征提取新框架，并在这一框架下将2DPCA和2DLDA分别扩展到联合二维主分量分析(Joint-2DPCA)和联合二维线性鉴别分析(Joint-2DLDA)。提出了一种基于分块统计量的Gabor特征表示方法，增强了人脸图象的Gabor特征描述效率。在此基础上探讨了利用广义鉴别分析(GDA)这一统计分析手段从具有不同位置、尺度及方向信息的大量Gabor特征中提取出适合于人脸识别的有效鉴别特征的二次特征提取问题。最后，提出了一种基于Gabor特征的概率子空间分析方法(Gabor-basedProbabilisticSubspaceAnalysis，GPSA)。实验表明，该方法的识别性能较现有的概率子空间分析方法有了较明显的改善。