با توجه به کاربرد روزافزون سیستم های بازشناسی چهره در زندگی روزمره، بهبود عملکرد این سیستم ها مورد توجه بسیاری از پژوهش گران قرار گرفته است. در سیستم های بازشناسی الگو و کاربرد خاص آن یعنی سیستم های تایید چهره، به منظور افزایش کیفیت و کاهش پیچیدگی سیستم، با هدف کاهش بعد داده ها و حفظ هرچه بیشتر اطلاعات جداکننده دسته های مختلف، داده ها به یک فضای ویژگی مناسب نگاشت پیدا می کنند. اخیراً با ورود مفاهیم جدیدی چون تنک بودن سیگنال ها و نمایش آن ها براساس تعداد نمونه کمتر، مسئله بکارگیری تکنیک های نمایش تنک در سیستم های شناسایی آماری الگو و بینایی ماشین مطرح شده است. در این پژوهش، چگونگی بهره گیری از این تکنیک ها در مراحل استخراج ویژگی و طبقه بندی داده ها در قالب یک سیستم بازشناسی چهره مورد بررسی قرار می گیرد. برای این منظور، ابتدا عملکرد طبقه بندی کننده مبتنی بر نمایش تنک (src)با طبقه بندی کننده های پایه مبتنی بر معیارهای سنجش فاصله مقایسه شده و برتری قابل ملاحظه src در کاربرد مورد نظر اثبات می شود. سپس، عملکرد سیستم بازشناسی چهره در فضاهای مختلف ویژگی مبتنی بر تکنیک های نمایش تنک ارزیابی شده و نشان داده می شود که در سیستم تائید چهره مورد بحث، روش استخراج ویژگی«نگاشت با حفظ تنکی سیگنال محلی» در مجموع به نتایج بهتری منجر می شود. در بخش دیگری از این پژوهش، مسئله ی تعمیم طبقه بندی کننده مبتنی بر نمایش تنک، در کاربرد جداسازی زوج تصاویر سازگار و ناسازگار مورد توجه قرار گرفته و روشی نوین ارائه می شود. با بکارگیری روش پیشنهادی، داده های سازگار و ناسازگار پایگاه داده ی lfw (که تصاویر آن در شرایط کنترل نشده جمع آوری شده است) با درصد صحت قابل قبولی طبقه بندی می شوند.