人脸图像分析是一个具有重要理论意义和应用价值的研究方向。如何提取人脸图像特征、实现算法模型并在图像分析过程中获得更加高效、鲁棒的结果,吸引了模式识别、图像处理、计算机视觉、人工智能和神经网络等多个领域的众多学者对其进行研究。本文以人脸为研究对象,重点研究基于流形保持方法的图像特征提取与识别问题。主要工作如下:(1)基于流形保持的人脸图像聚类方法的研究。使用含有干扰信息的人脸图像集作为实验数据集,包含人脸的光照条件变化、遮挡情况变化、面部表情变化、样本数目变化以及随机像素点噪声等干扰因素。选取十种使用邻接图保持局部性的人脸图像分析方法进行聚类分析实验,根据实验结果,探究人脸图像干扰因素对流形保持方法分析结果的影响,分析这些流形保持方法在各种干扰情况下的性能优劣。实验结果表明,使用邻接图保持流形结构的方法中,流形集成思想、l1图结构、弹性网络图结构等对图像干扰具有良好的适应能力。(2)提出了一种基于流形保持的协同表示人脸识别方法。概述了协同表示分类的研究进展和流形保持方法在人脸识别领域的现状,在此基础上提出了流形保持和协同表示方法结合的可能性。通过在协同表示方法的优化模型中加入局部结构信息正则项,实现协同表示分类和流形保持方法整合的人脸识别策略,利用增广拉格朗日乘子法将约束优化问题转换为增广拉氏方程的迭代求解问题,得到流形保持协同表示方法的算法实现。在多个人脸图像数据集上进行识别实验,实验结果表明本文提出的方法优于其他参考方法,对图像噪声和异常值具有良好的鲁棒性。