针对二维线性判别分析在进行人脸图像投影时投影矩阵非正交、仅对行或列方向提取特征时容易丢失不同行或列间有助于鉴别分析的协方差信息、同时存在特征维数较高的问题,提出了广义二维复判别分析的人脸识别方法。该方法包含所提出的两种新方法,即新的广义二维线性判别分析方法和新的二维复判别分析方法。本文首先采用新的广义二维线性判别分析及其扩展方法处理人脸图像,根据特征值贡献率动态选取特征向量组成正交投影矩阵,完成水平和垂直方向上的投影;其次将处理后得到的两类特征矩阵以复数的实部和虚部形式相加,对融合后的特征矩阵进行新的广义二维线性判别分析处理得到复特征矩阵;然后以复特征矩阵的特征值大小来衡量特征矩阵分量的识别性能,对特征矩阵分量进行重新排序,选取最具鉴别力的分量构成最终表征人脸的特征;最后采用Cosine-norm最大相似度分类器比较测试样本与训练样本特征的相似度,进行人脸图像特征的分类识别。经过在多个人脸数据库中实验测试表明,广义二维复判别分析方法对复杂条件下的人脸识别有较高的准确率和较低的空间占有率,其中,新的广义二维线性判别分析提高了方法的识别准确率,新的二维复判别分析提升了方法的降维能力。本文方法能够有效克服二维线性鉴别分析提取特征稳定性差、特征空间中特征重叠、特征维数高的缺点,表现出较高鲁棒性和准确率及较低空间复杂度的特点。该论文有图27幅,表9个,参考文献73篇。