人脸自动识别系统包括人脸检涮与分割，人脸特征提取与识别等技术环节。而人脸检测与分割是进行人脸分析和识别的重要组成部分，其目的是从复杂背景图像中检测出人脸的位置，并把人脸分割出来。人脸图像的分割结果直接影响到后续人脸特征提取和识别的质量。近年来随着计算机技术和图像处理方法的不断发展，出现了各种不同的人脸检测与分割方法，但是都不能很好的解决人脸图像中人脸位置的不确定性和人脸轮廓边缘点的不连续性难题，因此人脸分割问题成为研究的热点。　　 针对上述的难题，本文提出了一种基于脉冲耦合神经网络(PCNN)的人脸图像分割方法。该方法完全依赖于人脸图像的自然属性，不用预先选择处理的空间范围，利用人脸图像的灰度特征和空间信息的相关性，得到了人脸图像的神经元点火序列，该点火序列就是图像分割的结果。仿真实验证明，该算法能较好的从复杂背景中检测出人脸的区域，弥补了因细小灰度差别而造成的人脸图像中边缘间隙的不连续性的问题，且在背景与目标有重叠时分割效果优于阈值分割法，在边缘分割效果上优于四叉树分割。　　 针对PCNN模型中关键参数的优化问题，本文提出了基于粒子群优化(PSO)脉冲耦合神经网络的人脸图像分割的方法。本文引入图像熵作为分割的目标函数，然后用PSO对PCNN的网络参数进行优化。利用了PSO解空间随机搜索能力，寻找PCNN关键参数的最优值，从而自动完成关键参数的设置和图像的分割，且明显提高了人脸图像分割的效果和速度。　　 本文使用MATLAB语言编程实现了人脸图像的分割，利用了人脸表情数据库(JAFFE)和作者实验室采集的图像分别进行实验测试。仿真实验结果证实了本文算法的有效性，分割结果有利于人脸图像的特征提取与识别。