فن آوری بازشناسی چهره یکی از معدود روش های بیومتریک می باشد که با دارا بودن مزایای دقت بالا و تهاجم پایین، در مواردی مانند امنیت اطلاعات، اجرا و نظارت بر قانون، کارت های هوشمند، کنترل دست یابی و غیره مورد استفاده قرار می گیرد. به همین دلیل این فن آوری در طی بیست سال گذشته در عرصه های صنعتی و علمی مورد توجه قرار گرفته است. کیفیت تصاویر یکی از چالش های مهم این عرصه می باشد. عملکرد سیستم های بازشناسی متاثر از کیفیت داده های ورودی است. داده های کیفیت پایین منجر به محدودیت در عملکرد سیستم های بازشناسی خواهند شد. این تصاویر کیفیت پایین ممکن است به دلایل مختلفی از جمله مناسب نبودن فاصله بین دوربین تصویر برداری و شخص، لرزش دستی که دوربین توسط آن نگاه داشته شده است یا تحرک فردی که دوربین روی او متمرکز شده است و یا بسیاری از عوامل دیگر، ایجاد شوند. برای رفع این مشکل دو راه حل عمده وجود دارد: اول، بالا بردن کیفیت تصاویر از روش های مختلف و سپس اعمال سیستم های رایج جهت بازشناسی چهره و دوم، طراحی شبکه ای که روی این تصاویر کیفیت پایین، بدون بالا بردن کیفیت عملکرد خوبی را داشته باشد. یک راهکار موثر برای حل مشکل بازشناسی تصاویر کیفیت پایین استفاده از ترکیب طبقه بند ها به جای استفاده از یک طبقه بند منفرد است. بیشتر روش های توسعه یافته برای بازشناسی تصاویر کیفیت پایین بر روی بهبود رزولوشن تصاویر یا استفاده از استخراج ویژگی که برای این تصاویر از کارایی قابل قبولی برخورداراست، متمرکز شده اند. در حالی که در این پایان نامه ما روی مرحله ی طبقه بندی تمرکز کردیم و سه روش طبقه بندی ترکیبی جدید که قادر به حل این مسئله می باشد، ارائه کرده ایم. سه روش ترکیبی جدید عبارتند از 1-استفاده از ترکیب طبقه بندهای متفاوت، 2- استفاده از اختلاط خبره ها به کمک نمایش های متفاوت و 3- استفاده از ارزش دهی اولیه ی معقول اختلاط خبره ها توسط روش های تقویتی در بازشناسی تصاویر کیفیت پایین. مبنای این روش ها استفاده از ساختار های تعمیم پشته، اختلاط خبره ها، تقویت بوسیله ی پالایش و ترکیبی از این ساختار ها است. ساختار تجمعی اختلاط خبره ها از یک روش پویا برای ترکیب طبقه بند ها بهره می برد. در عمل هم نشان داده شده است که استفاده از این روش ها نتایج بهتری را در مقایسه با روش های قبلی فراهم می کند.