近些年来，随着科学技术的发展和社会的进步，人们对自动、快速、有效的身份鉴别的要求日益迫切。人脸作为主要的面部特征，具有直接、友好、方便且信息量大等特点，成为最直接的身份鉴别手段。特征提取是人脸识别的重要步骤，特征提取的好坏将直接影响到分类的效果。本文主要研究了人脸图像特征提取的方法，主要内容如下： 1.介绍了人脸特征提取的常用方法：主分量分析、独立分量分析、线性鉴别法、Fisherface 方法、统计不相关方法及核空间的特征提取方法，探讨了不同方法的优缺点并给出了详细的实验结果与性能分析。 2.把模糊方法引入到人脸特征提取中，计算模糊情况下类内散布矩阵和类间散布矩阵，从而获得更佳的投影方向，实验表明了该方法的有效性。 3.受万有引力定律的启发，我们建立了基于万有引力定律的人脸识别模型。首先用PCA 对图像进行特征提取,然后建立图像与图像之间的相似度模型以及类别对图像潜在作用力的表达式,该作用力大小决定图像所属的类别。在ORL 上的实验表明,该模型有一定的可行性。 4.介绍通过光场来识别姿态变化的人脸的方法，首先把图像转化为光场中的向量，用PCA 或LDA 等方法提取光场的特征向量，然后计算训练图像和测试图像在光场特征空间的投影系数，用最小距离分类器进行分类，实验验证了该方法的优越性，特别是在姿态变化或人脸非正面情况下。