计算机人脸识别是近年来非常活跃的研究领域。它的应用范围很广,如安全系统中的身份认证、视频监控中目标的识别与跟踪,以及表情分析、年龄分析、唇读等。人脸检测是人脸识别的基础,是自动人脸识别系统中的一个关键环节,高效准确的人脸检测算法对提高人脸识别率有着非常重要的作用。本文主要研究在彩色人脸图像中人脸检测的问题,进行人脸检测主要需要进行人脸图像的去噪、边缘检测及人脸图像分割,及对图像光照影响的处理,才能最终判断出一张人脸,针对人脸图像去噪问题,本文将快速粒子群优化算法应用于小波阈值收缩去噪法中进行阈值寻优,将图像作为粒子,粒子通过跟踪两个极值来更新自己,以寻求最佳阈值,用该最优阈值对图像去噪,目的是尽量减少图像的噪声影响,实验结果证明,本方法不仅峰值性噪比有明显提高,图像质量视觉也得到了改善,并且噪声方差越大,峰值性噪比、图像质量也越能显示其优越性。针对边缘检测问题,本文首先提出一种改进粒子群优化算法,然后将其引入四元数表示的彩色图像中,用此新的算法进行人脸边缘检测,目的是克服传统彩色图像边缘检测的缺陷、解决边缘丢失问题,并使其边缘提取效果显著,提高灵活性和适应性,实验结果表明,本文提出的方法对彩色图像的边缘检测具有较好效果,能够提取很多传统的彩色图像边缘检测方法所不能提取的图像纹理细节,且算法稳定,容易收敛,边缘检测速度也较快。针对人脸图像分割问题,本文提出一种改进算法,将图像分为n×n个窗口,在每个窗口内分别采用基于蜂群算法的二维Otsu方法对图像进行分割,目的是准确、迅速地找到图像分割的最佳阈值,并对图像进行最优分割,仿真实验表明,本文提出的方法不仅能得到理想的分割结果,而且计算量大大减少,达到了快速分割的目的,便于二维Otsu方法的实时应用,从而证明了该方法是可行和有效的。