分形变换理论已在图像处理、计算机视觉领域获得了一系列成功应用。分形变换的实质是找到图像内部存在的灰度自相似性迭代函数系数，将图像用迭代函数的参数来表示。 将分形编码应用于人脸识别是一种新颖的目标识别方法，目前在二值图像的形状识别以及人脸识别方面已经有一些成功尝试，因为分形编码携带了图像的空域分布特征，可以利用它进行目标图像识别，且这种识别方法对旋转、尺度变换、平移以及光照具有不变性，对人脸的表情变化也具有一定的鲁棒性。 本文在分析传统人脸识别方法的基础上，着重介绍了分形编码的理论基础和基于分形编码的人脸识别方法及实例。分形编码的方法和参数直接影响分形解码后的图像，也直接影响到目标图像的识别率，本文将待识别图像作为初始图像，应用己知模式的图像分形编码进行迭代解码，求取待识别图像变换前后的分形邻距来识别图像；本文对分形编码的不同方法进行了分析，根据最终目的是人脸识别，而非图像压缩的特点、特征提取是模式识别的核心，利用分形邻距作为模式分类的方法，在尽可能保留图像的特征信息，而不追求高压缩比和编码速度的基础上，提出了基于遗传算法的分形编码方法，以提高目标图像的识别率。最后以ORL人脸库为例，针对光照、旋转、遮挡等不同环境下的图像进行了实验分析。实验结果表明，分形变换应用在相似性目标识别方面是极其有效的，基于遗传编码和分形邻距的人脸识别方法比特征脸识别方法的识别效率要好。