人脸识别是模式识别和图像处理等学科的一个研究热点,它广泛应用于身份验证、刑侦破案、视频监视、机器人智能化和医学等领域,具有广阔的应用价值和商品价值。人脸特征作为一种生物特征,与其他的生物特征相比,具有直接、友好、方便等特点,因此用人脸特征进行身份验证更易于被用户接受。人脸识别在过去几十年里得到了很大的方展,国内外很多学者对其进行了研究。但由于人脸非刚性,表情多变等因素,使得人脸识别在实际应用中面临巨大的困难。本文在对近年来国内外关于人脸识别的学术论文及研究报告进行分析和研究的基础上,结合粗糙集与人工神经网络的特点,提出了一种基于粗糙集和神经网络的人脸识别方法。在实现和验证该方法的过程中,同时提出了一种改进的PCA人脸识别方法。改进的PCA人脸识别方法是针对经典PCA方法受光照变化影响的缺点进行的改进。该算法在图像的预处理阶段,利用图像灰度的线性变换,增大每幅图像的对比度和亮度;对预处理后的图像则利用经典PCA算法进行处理,并在识别阶段,通过对体现光照变化的三个主分量进行加权处理,减少它们在识别中占的比重。实验结果表明,该算法在减少光照影响方面是有效的。基于粗糙集和神经网络的人脸识别方法是针对PCA方法中存在的高维数问题和它对未训练过的样本识别率低的缺点而提出的。该方法在预处理的基础上,利用粗糙集对PCA降维处理后的人脸特征进行约简,提取其中分类能力强的特征,实现在识别精度不变的情况下,有效的去除冗余信息;然后将约简后的属性输入到神经网络进行规则提取,利用神经网络非线性映射和并行处理的特点,增强对人脸图像识别的泛化能力。实验证明使用该方法在识别率上有一定的提高。