近几十年生物鉴别技术取得了长足的进步，其中人脸识别技术由于其特殊的优势，得到了广泛的研究。目前人脸识别技术的识别性能在理想情况下已接近实用化。但是由于人脸图像易受姿态、表情、光照等因素的影响，以及人脸结构自身的复杂性，人脸识别系统仍面临着许多需要解决的关键问题。人脸识别算法由人脸检测、特征提取、识别三部分构成，其中特征提取一定程度上关系着人脸识别系统性能的好坏，因此特征提取是人脸识别算法的关键。近几年基于多尺度多方向的特征提取方法成为人脸识别领域的主流算法之一，而非采样Contourlet变换（Nonsubsampled Contourlet Transform，NSCT）是一种优秀的图像表示方法，具有多方向型、多尺度特性、各向异性和平移不变性，本文将NSCT变换引入人脸识别领域，用以提取对复杂环境鲁棒的人脸鉴别信息，主要工作如下：1、提出一种基于非采样Contourlet变换与局部二值模式（Local BinaryPattern，LBP）的人脸特征提取方法。首先对人脸图像进行NSCT变换，得到多尺度、多方向的子带系数矩阵，然后利用LBP算子从每个子带系数矩阵上抽取局部邻域关系，得到各子带的LBP特征图谱（Local NSCT Binary Pattern，LNBP），最后将这些图谱分块统计并级联后作为人脸的识别特征（Histogram of LocalNSCT Binary Pattern，LNBPH）。利用多通道最近邻分类器的分类结果表明，该方法所提取的特征对光照、表情和姿态等变化具有很好的鲁棒性，且获得了较好的识别性能。2、针对LNBPH特征维数较大的问题，提出一种适合小样本与统计直方图的特征降维方法。将LNBPH特征中的每个元素看作一个粒子，考察每个粒子的可鉴别性，并抽取那些可鉴别性高的粒子作为新的识别特征。同时为了消除光照对可鉴别性分析的影响，在对人脸进行LNBPH特征提取前，利用自商图像算法对包含光照信息的低频子带进行光照归一化。实验结果表明，该方法在保持LNBPH高识别率的情况下，能够达到有效降维。