近年来，随着当今社会对国际反恐、安防、人机交互等问题的关注度不断提高，具有非侵犯性、简便性、非接触性等优点的人脸识别技术受到广泛关注。人脸识别算法的关键技术是提取稳定、唯一、可区分的人脸特征，近年来，使用变换域提取人脸特征的方法受到越来越多的关注，而小波变换只能稀疏表示奇异点，分解二维图像得到的高频成分只具有有限的方向，无法最优表示二维图像的奇异曲线，而第二代曲波变换（SecondGeneration of Curvelet Transform，SGCT）具有对奇异曲线的敏感性而活跃于图像融合与去噪等领域，由于人脸图像由奇异曲线构成，因此本文基于SGCT提取人脸特征，使用其提取到的精细尺度成分中包含的丰富的方向信息，进行人脸特征融合与人脸图像去噪、识别，增强对人脸图像表情变化和光照变化的鲁棒性。经过SGCT提取的人脸特征仍然具有较高的维数，直接将其用于分类识别，将提高算法计算成本，而由于子空间技术具有存储空间小、计算成本低、可分类性强等特点，在数据降维技术中受到关注，本文采用主成分分析（Principle Component Analysis, PCA）、二维主成分分析（TwoDimension Principle Component Analysis, TDPCA）、改进TDPCA，以及核主成分分析(Kernal Principle Component Analysis, KPCA)对经由SGCT获得的人脸特征进行降维。本文有机结合SGCT与子空间技术两者的优点，设计了用SGCT提取人脸图像特征并结合改进子空间技术进行人脸识别的混合方法。基于SGCT与KPCA结合算法，研究其对人脸图像表情变化和光照变化的鲁棒性能；基于SGCT提取多尺度、多方向的人脸特征的特性，设计了融合粗尺度人脸特征与具有高识别率的细尺度人脸特征，同时结合改进子空间技术进行人脸识别的算法；基于SGCT提取的人脸特征具有丰富方向性的特性，设计了噪声人脸图像去噪结合KPCA进行人脸识别的算法；对比研究SGCT结合不同的子空间技术在人脸识别性能方面的异同。基于国际通用人脸数据库，仿真实现设计的算法，并分析比较算法性能，仿真实验表明，本文设计的算法与小波变换相比，能够增强人脸图像的表情变化和光照变化的鲁棒性，同时在人脸正确识别率方面具有更好的性能。