计算机应用技术日新月异,人脸识别是利用计算机对人脸图像进行处理、分析,从中提取人脸图像的识别信息,进行人脸鉴别的一门技术。其中特征提取是人脸识别中的最关键的技术。本文比较了时下一些主要的人脸识别方法,对一种利用主成分提取人脸图像特征进行分类识别的算法,即主成分分析法(PCA)进行探讨。本文的研究有下面几个方面：(1)说明了人脸识别的研究背景、研究内容,大概介绍了人脸识别系统的情况,同时对图像处理的一些主要方法进行了大致的总结。(2)分析研究了主成份分析算法和分块算法。主成份分析算法是最有效和最有代表性的识别方法,但传统的PCA方法提取的是图像的整体特征,外界条件变化影响比较大。我们引入了分区域的划分方法,也就是分块PCA。首先对图像进行划分,然后再对子图像使用PCA方法提取特征向量。打破了传统分块PCA方法在求散布矩阵时没有对子图像之间的差异性进行考虑的局限。(3)研究了二维PCA算法和分块二维PCA算法。利用PCA方法进行特征提取时,它是要将图像数据转化为一维矢量,这样做的直接影响就是：图像的向量维数过多。因此,将PCA方法推广到二维PCA,将分块PCA推广到分块二维PCA。二维PCA方法直接利用图像矩阵构造散布矩阵,使得散布矩阵的维数远远低于PCA方法的协方差矩阵。由于传统的分块二维PCA对子图像数据不进行区别,本文提出了改进的二维PCA理论,并进行了试验验证(4)由于传统的二维PCA对子图像数据不进行区别,本文提出了小波变换下的2DPCA算法,这种算法不仅节约了识别时间,同时也在一定程度上提高了人脸识别率,并通过实验证明了它的有效性。