目前，个人身份认证手段如密码和ID卡等，都是基于“Whatheremembers”或者“Whathepossesses”的简单身份鉴证，离真正意义上的身份鉴证“Whoheis”还很遥远。这些传统认证手段都存在着各种问题，其中最明显的缺陷就是其相关认证信息容易丢失、易破解和伪造，安全可靠度较低，这些都对应用和推广带来了诸多不便。因此，以生物特征识别为主体的身份认证手段成为首选的研究对象。而与指纹、虹膜、语言等生物特征识别方法相比，人脸识别方法具有方便直观、用户接受认可度高、不易仿冒等优势，故被广泛采用。　　 PCA是人脸识别中被广泛使用的一种算法，它具有实现简单、正面图像识别率高等优点。但传统的PCA算法计算量过大，且在光照、表情等因素变化较大时，识别效果不是很好。小波变换应用到人脸识别中，主要利用小波的分解和重构算法来提取人脸图像信息、降低数据维数、滤除噪声。同时小波变换对光照、图像大小缩放、旋转及平移具有一定程度的不敏感性，可以降低预处理后的人脸图像对后续PCA算法的影响。小波变换能有效地将图像分解成高频和低频信息，但在人脸识别中通常都是舍弃能量较少且含噪声较多的高频子带，仅用低频子带来进行后续处理，人脸图像的信息利用并不完全。基于以上原因，本文首先对小波二级分解后的低、高频子分量进行加权融合，以便充分利用人脸的细节信息。然后，对PCA前三个最大主分量赋予一个新权值，来弥补传统PCA算法对光照、表情变化敏感的缺点。最后，在ORL人脸库和经过光照处理后的ORL人脸库中通过Matlab编程实现来研究加权二级小波变换对PCA算法的影响及改进PCA算法。实验结果表明加权二级小波变换和改进PCA算法相比于传统PCA算法在识别率和训练时间方面都得到了明显的改进。另外本文还研究了2DPCA算法，并将对PCA算法改进的方法应用到2DPCA算法中，实验证明2DPCA算法在人脸识别率和训练时间上优于PCA算法，改进方法同样也适合于2DPCA算法。最后利用MATLAB提供的图像用户界面开发环境(GUIDE)设计一个简单的可视化人脸识别界面。