在没有信息损失的情况下产生局部特征和提取鉴别特征是人脸识别中的两个重要步骤。特别地，在许多实际应用中，用于测试的图像可能被随机的污染，或者被其他不相关的物体(图像)连续遮挡，那么机器学习和分类的结果就会大打折扣，这是因为被损坏图像的内部变化比外部变化大得多，因而成为实际任务中具有挑战性的问题之一。　　 本文提出一种新颖而鲁棒的人脸识别系统，它使用对偶树复小波生成特征，并提出被称作“局部最大间距准则”的监督线性图嵌入算法得到子空间进行识别。一方面，应用对偶树复小波产生的特征能消除或降低噪声的影响，同时可以通过不同的阶选择鉴别特征。另一方面，定义出加权的类间散度矩阵和类内散度矩阵，使得最终的嵌入投影能够在保持近邻几何结构的同时提取出重要的鉴别信息。换言之，引入适当的权重能在局部提升最大间距准则的性能。因此，该系统能够有效地将特征产生和特征提取这两个步骤综合到一个新的框架之内。　　 本文还提出一种称为“谱图分析”的新方法用于参数的估计与选取。通过选择p个投影方向(其中p和类数c非常接近)，能得到十分鲁棒的识别性能。在标准数据库上的大量实验结果表明，我们提出的算法能够显著提高识别效能。