人脸识别是当前的研究热点之一，无论在理论还是在实际应用中都有很高的研究价值。特征提取方式的选择和其性能的好坏直接影响到整个人脸识别系统的性能。　　 本文对人脸识别的特征提取方法进行了深入研究，重点研究了基于Gabor小波和LBP算子的特征提取算法及其在人脸识别中的应用。论文主要研究工作如下：　　 (1)研究了Gabor小波与LDA相结合的算法该方法充分利用了Gabor小波的空间局部性和方向选择性。先对原始人脸图像进行Gabor特征提取，然后对其作LDA变换得到最佳分类特征，并运用针对人脸特征矩阵的最近邻分类器来进行分类判决。在ORL和YALE人脸库上进行仿真实验。　　 (2)研究了Gabor小波与LPP相结合的算法研究将Gabor小波变换和LPP算法相结合进行人脸识别。其中，局部保持投影算法在降维过程中，能够保持样本空间的局部结构和本质几何特性，同时，还可以发现人脸的非线性结构。在ORL和YALE 人脸库上进行仿真实验。　　 (3)研究了Gabor小波和LBP 算子相结合的特征提取方法线性鉴别分析和局部保持投影算法都属于线性方法，不能提取图像的非线性的特征。　　 为了解决这一问题，本文将Gabor小波和LBP 算子相结合提取直方图特征后，利用LPP算法进一步对其降维，提取出最利于分类的特征的同时减少了运算的时间和工作量。在ORL和YALE人脸库上的实验结果证明我们的方法在识别能力上比传统的Gabor 滤波器、Gabor+LDA、Gabor+LPP算法更加有效。