چکیده: استخراج ویژگی از تصاویر چهره، طی دو دهه ی اخیر در کاربردهای مختلفی از قبیل آشکارسازی چهره، شناسایی چهره، تشخیص حالات چهره و بازسازی چهره مورد استفاده قرار گرفته است. در میان این کاربردها، شناسایی چهره از اهمیت ویژه ای برخوردار است. شناسایی چهره با مشکلاتی نظیر کیفیت نامناسب تصویر ورودی، وجود پوشش های غیر پیش بینی شده روی چهره، حجم زیاد تصاویر پایگاه داده و وجود تنها یک تصویر به ازای هر شخص مواجه بوده است. در این پایان‏نامه، روشی نوین جهت استخراج ویژگی از تصاویر چهره ارائه شده است. هدف اصلی این پایان نامه، بازیابی چهره ی ورودی از پایگاه داده حجیم است. با افزایش حجم پایگاه داده، شباهت بین افراد افزایش یافته و قابلیت تفکیک بین تصاویر چهره با مشکل مواجه می شود. روش پیشنهادی با استخراج ویژگی های مناسب، فاصله بین نمونه ها در فضای ویژگی را افزایش می دهد و لذا قابلیت تفکیک بین افراد را افزایش می دهد. این روش مبتنی بر خاصیت بصری انسان بوده و به صورت ترتیبی، از کل به جزء در راستای مکان از ناحیه چهره ویژگی استخراج می کند. برای این منظور، از ویژگی‌های مکان- فرکانس استفاده شده است. در این روش، با اعمال پنجره های هم مرکز با ابعاد مختلف روی تصویر چهره، محتوای هر پنجره به فضای فرکانسی منتقل می‌شود. تغییر مؤلفه های فرکانسی در پنجره های مختلف، فضای ویژگی تصویر را تشکیل می دهند. سپس، با استفاده از فیلتر مناسب، تنها مولفه های فرکانسی با قابلیت جداسازی بالا بین تصاویر چهره، حفظ می شوند. در نهایت، با استفاده از معیار فاصله‌ی اقلیدسی، تصویر نهایی از پایگاه داده بازیابی می‌شود. در اکثر روش های موجود شناسایی چهره با لحاظ کردن حجم کم پایگاه داده، نتایج مطلوب حاصل گردیده یا در صورت وجود حجم زیاد پایگاه داده، تعداد تصاویر موجود به ازای هر شخص افزایش پیدا می-کند. در این پژوهش، به ازای هر شخص تنها یک تصویر در پایگاه داده وجود دارد و از تعداد کلاس های به مراتب بیشتر از سایر روش ها در پایگاه داده استفاده شده است. در این پایان نامه از پایگاه داده FERET استفاده شده است. نرخ شناسایی در مقایسه با بهترین روش قبلی در حجم مشابه با 2% افزایش، به 99% ارتقا پیدا کرده است. با افزایش حجم پایگاه داده به 990 کلاس، نرخ شناسایی 90.4% حاصل شده است.