در این پایان نامه روشی جدید برای بازشناخت چهره ی ناوردا نسبت به روشنایی و حالت چهره ارائه شده است. روش پیشنهادی شامل پنج مرحله اصلی می باشد. در مرحله ی نخست، عادی سازی هندسی بر اساس محل مرکز چشم ها روی تصاویر اعمال می شود. در گام دوم، روشی جدید برای عادی سازی روشنایی بر اساس تبدیل ویولت گسسته برای تشخیص ناپیوستگی های روشنایی در زیرباند جزییات به کار گرفته می شود. مزیت اصلی روش عادی سازی روشنایی پیشنهادی در آن است که ویژگی های بافتی تصاویر چهره را بدون تغییر باقی می گذارد تا تصاویر مناسبی برای استخراج ویژگی با ویولت موازی مختلط بدست آید. گام سوم استخراج ویژگی با استفاده از dt-cwt می باشد. در این مرحله روشی برای "مساله با یک داده آموزشی" ارائه شده است. این روش بر اساس استخراج ویژگی محلی با استفاده از تجزیه چنددقتی و چندجهتی بدست آمده با dt-cwt می باشد. در مرحله ی چهارم، با اعمال یک ماسک روی بردار ویژگی، تعدادی از مولفه های کم ارزش بردار ویژگی حذف می شود. اعمال ماسک روشی نوین در مرحله استخراج ویژگی محسوب شده و علاوه بر بهبود توانایی شناسایی، ابعاد بردار ویژگی را نیز کاهش می دهد. در بخش پایانی، با استفاده از فواصل اقلیدسی و طبقه بند نزدیکترین همسایه، کلاس بندی داده های آزمایش انجام می گیرد. نتایج شبیه سازی روی پایگاه داده ی yale نشان می-دهد که این الگوریتم نتایج خوبی در شرایط تغییرات روشنایی و حالت چهره بدست می دهد. 33/3 درصد بهبود میزان شناسایی تصاویر روی این پایگاه داده نسبت به کارهای گذشته، نمایان گر کارآمدی روش مذکور می باشد. این روش با اندکی تغییر روی پایگاه داده ی orl نیز قابل پیاده سازی می باشد.نتایج شبیه سازی حاکی از آن است که در این پایگاه داده نیز شاهد بهبود درصد تشخیص می باشیم.