： 设计了一种基于图像分块的 LDA(linear discriminant analysis)人脸识别方法， 该方法从模式的原始数字图像出发， 先对 图像矩阵进行分块，然后对分块子图像进行 LDA 特征提取，从而得到能代替原始模式的低维新模式，最后再用最小距离分 类器进行分类。该方法克服了传统 LDA 方法的缺点， 其优点是能有效地提取图像的局部特征。实验表明： 该方法在识别性 能上优于 Fisherfaces方法。

基于非参数子空间分析（nonparametric subspace analysis，NSA）方法，提出了分块NSA方法并将应用于人脸识别上。分块NSA方法首先对图像矩阵进行分块，对分块得到的子图像矩阵再利用NSA进行鉴别分析。这样做有以下2个优点：1）能有效地抽取图像的局部特征，对人脸表情和光照条件变化较大的图像表现尤为突出；2）与NSA相比，由于使用子图像矩阵，分块NSA可以避免使用奇异值分解理论，过程简便。此外，NSA是分块NSA的特殊情况。在ORL和XM2VTS人脸库上验证了该方法在识别