本文以人脸识别为目标，围绕着提高人脸识别的性能及其鲁棒性。主要研究了基于Gabor滤波和流形学习理论的人脸识别算法，主要完成的工作如下：(1)探讨了人脸识别技术的研究现状及其意义和现如今主要研究的方法及其存在的难题，提出了本课题的人脸识别算法流程。同时探讨分析一些经典的线性和非线性流形学习算法，并分析其原理和核心思想，同时总结各个算法的优缺点。(2)探讨了Gabor滤波的基础知识及其在人脸识别中Gabor的特征提取算法，在分析了二维Gabor滤波器性能和参数的选择之后，提出了一种FFT提速Gabor的特征提取方法。(3)提出了一种不相关判别的自适应局部切空间排列算法(UDALLTSA)。该算法主要基于分析基于Gabor滤波与线性局部切空间排列算法的特点，针对LLTSA的无监督学习、基向量约束以及k近邻选取等缺陷进行改进的算法。通过实验证实该算法的性能方面远高于原始算法，其鲁棒性好。(4)提出了一种不相关的自适应局部线性的最大散度矩阵算法(UAFSLLE)。该算法主要基于分析了基于Gabor滤波与线性的局部线性嵌入算法的特点，从自适应邻域的选取，监督信息的引入，基向量之间的约束三方面对算法进行改进。，通过实验证实该算法的性能方面远高于原始算法，其鲁棒性好。