入脸识别是模式识别领域中的研究热点,传统的人脸识别方法一般是通过在灰度或亮度图像上提取单种特征来计算,而忽视了其他的颜色信息。最近的研究表明：颜色在人脸识别中扮演了一个十分重要的角色,采用彩色图像,选取合适的彩色空间,进行特征提取要比仅使用灰度或亮度图像特征的识别效果好很多。本文分别对彩色空间及图像预处理,特征提取和分类方法3个方面的彩色人脸识别进行了研究。本文所做工作及取得的成果如下：(1)研究了鉴别颜色空间模型先是分析了适用于彩色人脸识别的颜色空间,然后研究了2种颜色空间归一化的方法CSN-Ⅰ和CSN-Ⅱ,最后研究了鉴别颜色空间,该方法先通过样本训练构造出鉴别颜色空间模型,然后将图像从RGB颜色空间变换到鉴别颜色空间中去。本文采用了AR人脸库和自建的彩色人脸库NUST_RWFR进行了实验,实验结果表明,相比于其他彩色空间,鉴别颜色空间上取得了更高的识别率。对彩色人脸识别的性能有所提升。(2)研究了Gabor小波和LBP算子相结合的特征提取方法首先分别研究了Gabor小波和LBP算子这两种人脸识别方法,并分别应用到彩色空间中去,然后提出了基于彩色图像的Gabor小波和LBP算子相结合的特征提取方法,对人脸图像进行小波分析,并运用局部二进制模式方法在不同尺度的分块图像上提取人脸特征,这种方法取得了较好的识别率。该算法既可以避免利用均匀下采样对Gabor幅值特征降维时会导致重要分类信息丢失的问题,又通过直方图达到了降维的目的有效地提高了识别率。最后在NUST_RWFR人脸库及AR人脸库上分别进行了仿真实验,结果证明我们的方法在识别能力上比传统的Gabor滤波器和LBP算法更加有效而且彩色空间的人脸识别性能相比于灰度空间下要更好。(3)提出了结合多特征的稳健稀疏编码识别方法首先对线性回归理论和稀疏表示理论进行了研究,将2种分类方法应用于人脸识别中,利用最大似然理论对人脸识别鲁棒性的提高做了进一步的改进,然后提出了结合LBP特征和Gabor+LBP特征的稳健稀疏编码方法用于人脸识别,在NUST RWFR人脸库及AR人脸库上进行仿真实验,结果表明较传统分类方法该分类方法获得了更高的识别率。