自动人脸识别技术就是使用计算机技术对人脸图像进行处理和分析,从中提取出有效的识别信息,用于辨别身份的一种生物认证技术。人脸识别是典型的模式识别问题,不但依赖于分类器设计,还要依赖于特征提取过程。二元树复小波变换(DTCWT)是一种变换工具,具备近似平移不变、多方向选择、完全重构和高效计算等优点,适合于人脸特征提取。二维DTCWT响应是多方向的,相当于把边缘特征细化到不同方向来考察,为多方向纹理特征有效描述提供了有利基础。本文的主要研究目的是如何有效地通过二元树复小波变换提取人脸最具判别性的鲁棒特征。这里提出了两种新的基于二元树复小波变换的人脸特征表示方法,其中,方法一对DTCWT幅值进行子空间降维生成人脸特征,第二种方法对DTCWT相位进行局部直方图统计生成人脸特征。在DTCWT幅值子空间人脸表示中,把多尺度多方向的DTCWT幅值组合成一个大的二维矩阵,针对矩阵维数太高的问题,采用直接下采样和线性子空间方法来降维。DTCWT幅值子空间人脸表示方法非常恰当地提取出了最具可判别性的人脸特征信息,而且它较Gabor小波幅值人脸表示的计算效率高且有频带选择优势。DCF充分结合了DTCWT和Fisherface的优势,在不同特征个数下和不同训练样本数下均达到了较高的识别率和泛化能力,用于人脸识别的效果比较理想。在DTCWT相位直方图人脸表示中,在DTCWT响应的每一幅子图上,先作相位的四象限位编码,再作局部XOR运算抽取局部邻域关系模式,针对相位对平移敏感的问题,采用分块直方图统计增强特征的抗干扰性。DTCWT相位四象限位码、局部XOR模式(LXP)、分块直方图的采用使得该方法对光照变化、表情变化、误配准等具有良好的鲁棒性。而且,这种人脸建模方法不需要基于训练集合进行统计学习,因而不存在推广性问题。实验证明它能达到较高识别率,是一种理想的人脸特征描述方法。