人脸识别技术是计算机模式识别领域非常活跃的研究课题，在公安，商业等领域有着广泛的应用前景。由于人脸图象的特殊性，人脸识别问题也是模式识别领域的一个相当困难的问题，要使这一技术完全成熟至实际应用还有许多工作需要去做。 人脸识别可分为人脸检测、特征提取以及分类识别三大部分，而人脸图象的特征抽取是人脸识别技术的最关键问题。自从上世纪90年代始，许多的人脸识别算法被提出，但总结起来可以分为二类：基于人脸部件的方法和基于整体的方法。在基于部件的方法中，人脸的辨识是利用了人脸的部件如眼睛、嘴、鼻子以及轮廓线等之间的相互关系。这种方法的成功性依赖于这些人脸部件的精确的检测，然而，要精确地抽取人脸的各部件是相当困难的。基于整体的人脸识别方法也称为基于代数特征的方法把人脸图象看作一个整体，人脸图象被看作是一个强度变换的二维模型。因此，基于整体的人脸识别算法在这些年受到了更多的关注。 基于代数特征的人脸识别算法中，特征脸算法、基于奇异值的算法和频谱脸算法是其中三个较流行和较有前途的人脸识别算法。但是它们的识别率或识别速度还有待提高，离实用还有一段距离，因此，许多人在不断努力地改进这些算法。 在最近十多年，小波变换在图象分析中已经成为一个非常强有力的工具。实际上，小波变换是对信号用一种不同尺度的带通滤波器进行滤波，将信号分解到不同的频带上，再进行分析处理。小波变换的优点如具有良好的时频域局部性能，多分辨率分析等已经有许多文章讨论。这些年，小波变换也常被用于人脸识别，其主要因为：1)通过小波分解图象后，不同方向的子图的分辨率减少，计算复杂度就相应减少。2)小波分解在空域和频域都提供了良好的局部信息。 用小波对人脸图象进行适当层数的分解，不仅大大加快了图象的后续处理的速度，而且实验证明可一定程度地提高识别率。但是现在大多数算法只利用了小波分解后的最低频子图的信息，然而实际上小波分解后的其它子图也含有识别的信息，也可以利用其它子图来进行辅助识别。因此，本文提出了一种基于小波子图和决策融合的人脸识别算法。利用小波分解后的多个子图分别进行识别，对得到的识别结果再用一种融合方案进行融合，产生最后的识别结果。理论和实验均证明了本方案的有效性。识别率比不用小波分解或用单独一个小波子图有了较大的改进。