چکیده: با افزایش روز افزون تصاویر رقومی بر روی سیستم های کاربران و همچنین افزایش تعداد و حجم تصاویر بر روی شبکه، مسأله طبقه بندی تصاویر بیش از پیش مورد توجه قرار گرفته است؛ بر همین اساس ویژگی ها و دسته بندهای متنوعی در سال های اخیر برای حل مساله تشخیص چهره ارائه شده است. ترکیب ویژگی های متنوع با طبقه بند مبتنی بر شبکه عصبی یکی از پیشنهاداتی است که در این پایان نامه ارائه می شود. طبقه بندی مبتنی بر نمایش تنک روش دیگری است که در اینجا بدان خواهیم پرداخت و باتوجه به نو بودن این روش، در این پایان نامه بیشتر روی این روش تمرکز داریم. در این روش از بین تعداد زیادی سیگنال پایه که در حالت کلی تعدادشان خیلی بیشتر از بعدشان است، کمترین تعداد را برای نمایش یک سیگنال انتخاب می کنیم. عمل انتخاب بهترین و در عین حال کمترین تعداد اتم برای نمایش سیگنال مورد نظر، در حالت کلی بسیار دشوار است؛ اما محققین در سال های اخیر با ارائه ی الگوریتم های بهینه سرعت و دقت این روش را بالا برده اند. به این ترتیب این روش به سرعت در کاربردهای گوناگون پردازش سیگنال مورد استفاده قرار گرفت. در این پایان نامه علاوه بر کار روی پایگاه های معمول، روی پایگاه های داده با تعداد تصویر زیاد نیز کار شده است که این مهم در تعداد انگشت شماری از کارهای مشابه دیده می شود. نتایج شبیه سازی ها نشان دهنده ی بهبود نتایج است. به عنوان نمونه یکی از روش هایی که در این پایان نامه معرفی شده است روی پایگاه داده ORL نرخ تشخیص % 98/13 را دارد که در مقایسه با کارهای گذشته بهبود یافته است.