در کاربردهای مختلف در حوزه بینایی ماشین نشان داده شده است که روش های استخراج ویژگی مبتنی بر کرنل، می توانند کیفیت عملکرد سیستم های بازشناسی الگو را بهبود بخشند. انتخاب کرنل بهینه یکی از مهمترین مسائل در ارتباط با روش های مبتنی بر کرنل است. در اکثر موارد از روش اعتبار سنجی متقابل برای یافتن کرنل بهینه از میان مجموعه ای از کرنل ها استفاده می شود. در این فرآیند، علاوه بر زمان بر بودن، تضمینی برای یافتن کرنل بهینه نیز وجود ندارد. همچنین ممکن است استفاده از یک کرنل پاسخگوی پیچیدگی داده های مورد بررسی نباشد. از این رو در سال های اخیر، استفاده از ترکیب کرنل ها به جای یک کرنل مورد توجه بسیاری از محققین قرار گرفته است. هدف این پژوهش بهبود سیستم های تأیید چهره با استفاده از کرنل های مرکب در چارچوب الگوریتم های مبتنی بر کرنل، می باشد. بدین منظور در گام نخست عملکرد الگوریتم های غیرخطی استخراج ویژگی (الگوریتم های مبتنی بر کرنل) با به کارگیری توابع کرنل مختلف بر روی تصاویر سطح خاکستری مورد بررسی قرار گرفته است و پس از آن به منظور ترکیب کرنل ها در مرحله ی استخراج ویژگی روش خوشه بندی و فرآیند تطبیق هیستوگرام مورد استفاده قرار گرفت. آزمایش های انجام شده در یک سیستم تأیید هویت مبتنی بر چهره نشان می دهد که ترکیب حاصله در شرایط متفاوت کیفیتی مشابه با کرنل بهتر به تنهایی، ارائه می دهد. همچنین روش جدید دیگری برای ترکیب کرنل ها با استفاده از اطلاعات تکمیلی معرفی شد. نتایج به دست آمده نشان دهنده ی کارآیی برتر این روش در مقایسه با استفاده از کرنل بهینه به تنهایی و همچنین ترکیب کرنل ها با میانگین گیری ساده و میانگین-گیری وزن دار مبتنی بر عملکرد هر کرنل به تنهایی می باشد.