چکیده: سیستم شناسایی چهره کاربردهای فراوانی در حوزه های مختلف از جمله حفاظت از سیستم های کامپیوتری و منابع داده ای، شناسایی مجرمین و نظارت ویدئویی دارد. تاکنون روش های متنوعی برای شناسایی چهره ارائه شده است. پایگاه های داده مورد استفاده در این روش ها، معمولا شامل تعداد تصاویر کم هستند یا تحت شرایط خاص و کنترل شده، تهیه شده اند. به همین دلیل، افزایش حجم پایگاه داده یا وجود خرابی های موجود در تصاویر از جمله تغییرات روشنایی، نویز، انسداد و زاویه ی چهره عملکرد روش های موجود را به طور قابل توجهی کاهش می دهد. در این پایان نامه با استفاده از مزایای درهم سازی تصویر، سیستمی برای بازشناسی چهره ارائه می شود که علاوه بر سرعت بالا، عملکرد مناسبی روی پایگاه های داده با تصاویر زیاد دارد و در صورت وجود برخی از شرایط کنترل نشده، دقت خود را تا حد زیادی حفظ می کند. روش پیشنهادی در سه گام پیش پردازش، استخراج ویژگی و تطابق چهره معرفی می شود. در اولین گام، کیفیت روشنایی تصاویر با استفاده از دو پیش پردازش تنظیم شدت روشنایی و برابرسازی هیستوگرام وفقی با محدودیت کنتراست بهبود می یابد. در گام استخراج ویژگی، دو دیدگاه بصری متفاوت مبتنی بر توابع درهم ساز، مورد استفاده قرار می گیرند. در دیدگاه جزئی نگر، ابتدا ویژگی های محلی از تصاویر استخراج می شوند، سپس این ویژگی ها با استفاده از الگوریتم درهم ساز حساس محلی به جداول درهم ساز نگاشت می شوند. در دیدگاه کلی نگر، ویژگی سراسری توسط روش درهم سازی تصویر مبتنی بر ضرایب تبدیل کسینوسی گسسته از تصاویر استخراج می شوند. در گام تطابق چهره، شناسایی تصویر چهره ی آزمون در دو مرحله انجام می شود. در مرحله ی اول، با استفاده از یک سیستم رأی گیری، شناسه هایی از مجموعه داده که از نظر دیدگاه بصری جزئی نگر، بیش ترین شباهت را با تصویر آزمون دارند، انتخاب می شوند. در مرحله ی دوم، از میان شناسه های منتخب مرحله ی اول، شبیه ترین شناسه به تصویر آزمون از لحاظ دیدگاه بصری کلی نگر، به عنوان شناسه ی نهایی انتخاب می شود. به منظور ارزیابی روش پیشنهادی، پایگاه های داده ی ORL (400 تصویر)، AR (4000 تصویر)، FERET (4017 تصویر) و یک مجموعه تصاویر جمع آوری شده (3368 تصویر) مورد آزمایش قرار گرفته اند و به ترتیب دقت های 100، 99، 47/96 و 90/95 درصد حاصل شده است که نشان دهنده عملکرد بسیار خوب سیستم پیشنهادی می باشد.