人脸识别是近年来模式识别、图像处理、机器视觉以及认知科学等领域研究的热点课题之一，受到了工业界的极大关注，并取得了丰硕的研究成果。典型的人脸识别系统包括人脸检测、预处理、特征提取和识别等步骤，本文主要针对人脸识别流程的后两个问题，即特征提取和识别进行研究。 人脸灰度图像可以看成是按照某种方式组合在一起的局部纹理图像，基于这样的分析，本文提出了基于局部傅立叶变(LFT)的人脸表示方法。局部傅立叶变换在纹理分割领域取得了很好的效果，为了将其用于人脸识别，本文设计了三种不同的实验方法。第一种是提取不同局部窗口中的LFT系数的分布直方图，再利用AdaBoost算法选出合适的局部窗口并构造分类器，距离度量采用卡方距离。第二种方法利用LFT系数偶数阶矩具有更强纹理分割能力的性质，提取不同局部窗口中LFT系数的2，4，6阶矩，再以此为特征结合AdaBoost构造强分类器。第三种方法将局部二值模式(LBP)算子应用于LFT系数组成的图像，提取一致LBP直方图特征，利用最近邻的判断方法进行识别，也获得了很好的分类效果。这三组实验的结果表明，局部傅立叶具有很强的描述局部纹理的能力，也是人脸表达的有力工具。 本文的另一个贡献是探讨图像欧氏距离嵌入到人脸识别算法中的积极作用。本文利用标准化变换的方式将图像欧氏距离嵌入到LBP和LFT算法中，均获得了比原算法理想的效果。实验分析表明，图像欧氏距离在人脸识别问题中具有放大类间距缩小类内距离的作用，这使得可以将图像欧氏距离嵌入到各种人脸识别算法中，提高识别率。