在基于生物特征识别技术的身份认证中，人脸识别是最主要的方法之一，已经成为当前模式识别和人工智能领域研究的热点，探索高识别率的人脸识别算法具有重要的理论意义和应用价值。　　 小波分析是信号处理的有效方式，是目前国际上公认的信息获取与处理领域的新技术。小波能从信号中提取有用的信息成分，是各种信号处理方法(如多尺度分析、时频分析和子带编码)的统一处理框架。小波分析在一维时具有优异的特性，但是，这种优异特性不能简单地推广到二维或更高维。在高维空间中，多尺度几何分析拥有更明显的优势。　　 Contourlet变换是一种新的多尺度几何分析方法，它不仅具有小波变换的多分辨率特性和时频局域特性，还具有很强的方向性和各向异性。子空间方法具有计算代价小、描述能力强、可分性好等特点，现已经成为人脸识别的主流方法。　　 本文提出基于Contourlet变换和主成分分析(PCA)的人脸识别方法，研究Contourlet变换的低频系数与PCA相结合的识别率；同时提出基于Contourlet变换和核Fisher判别分析的人脸识别方法，研究Contourlet变换的低频系数、各层高频系数与核Fisher判别分析相结合进行人脸识别的识别率和识别时间。实验表明，Contourlet变换与PCA相结合，可获得优异的识别率；Contourlet变换的低频系数与核Fisher判别分析相结合，在获得优异的识别率的同时也减少了识别时间；高频成分有一定的识别性能，但识别率较低。将低频成分与高频方向子带相结合能获得最优的识别率。