بازیابی تصویر یکی از مهمترین و پرکاربردترین زمینههای تحقیقاتی در بینایی کامپیوتر است .بازیابی تصویر چهره به عنوان شاخهای از بازیابی تصویر از اهمیتی روزافزون در علم بینایی کامپیوتر برخوردار بوده و توجه زیادی را به خود جلب کرده است .در این پژوهش سیستمی برای بازیابی تصاویر چهره طراحی شده است .سیستم پیشنهادی از سه مرحلهی کلی تشکیل میشود :پیشپردازش، استخراج ویژگی و بازیابی تصاویر .در مرحلهی پیشپردازش، تصاویر در یک موقعیت خاص تثبیت میگردند تا تغییرات مقیاس و چرخش در تصاویر به حداقل برسد .برای این کار، به صورت دستی چند نقطهی کنترلی در تصاویر چهره علامتگذاری میشود .سپس با استفاده از چرخش و انتقال، تصاویر را جابجا میکنیم تا نقاط کنترلی در یک محل خاص قرار گیرند .در ادامه با استفاده از موقعیت جدید نقاط کنترلی، تصاویر برش داده میشوند تا اثرات پسزمینه از بین برود .جهت استخراج ویژگی، چند الگوریتم مبتنی بر گرادیان تصاویر و یا مقادیر شدت روشنایی طراحی شده است .در مرحلهی استخراج ویژگی، این الگوریتمها بر روی تصاویر آمادهشده اعمال میشوند تا بردارهای ویژگی برای تصاویر به دست آیند .در مرحلهی آخر، بردارهای ویژگی با استفاده از یک معیار شباهت مقایسه شده و تصاویر با بیشترین شباهت برگردانده میشوند .در کارهای بازیابی تصویر، معمولا از توابع فاصلهی اقلیدسی و یا cityblock به عنوان معیار شباهت استفاده میشود .ولی این معیارها در برخی موارد نمیتوانند نتایج خوبی به همراه داشته باشند .برای غلبه بر محدودیتهای این فاصلهها، از یک معیار شباهت جدید به نامOSS - SVM استفاده میکنیم که مبتنی بر ماشین بردار پشتیبان (SVM) است .همچنین برای بهبود عملکرد سیستم از یک طرح فیدبک ارتباطی مبتنی بر SVM استفاده کردهایم .برای ارزیابی عملکرد سیستم، آزمایشها بر روی دو پایگاه دادهی AR و LFW انجام داده شده است .نتایج آزمایشها نشان میدهند که در پایگاه دادهی AR که یک پایگاه داده با شرایط کنترلشده است، استفاده از معیار شباهتOSS - SVM یا فیدبک ارتباطی تصاویر را با نرخ بالایی بازیابی میکند و در پایگاه دادهی LFW که یک پایگاه دادهی کاملا طبیعی است و تصاویر موجود در این پایگاه داده تغییرات شدیدی دارند، استفاده از معیارOSS - SVM به همراه فیدبک ارتباطی نتایج رضایتبخشی در بر دارد .