人脸识别在企业保密、社会人口流动管理、刑事侦察、司法举证、国家安全以及全球范围内的反恐等领域均具有广泛的应用。几十年来,许多学生借鉴于几何特征分析、统计特征分析、核函数分析、神经网络等数学研究成果对人脸图像特征值提取与识别的方法进行了卓有成效的研究与探索,已成为图像处理领域的研究的热点。本文在参阅国内众多学者研究成果的基础上,构建了图像预处理、特征提取、图像识别的实现方法,较好地解决了图像识别过程中速度与识别率的矛盾问题。给出图像预处理方法,对图像去噪、增强、尺寸归一化、光照补偿、分割几方面进行深入研究,达到了图像特征突出、干扰因素减少的目的,为特征向量提取提供了保障。提出了全局与小域特征融合的方法。利用扩展的Gabor小波最优采样算法分别对全局图像和小域图像进行选择性降维,再利用主成分分析方法进行二次特征选择。提高了特征向量的提取速度与可靠性。深入研究了支持向量机在解决小样本问题时的优良性和二叉树的效率优势,设计了支持向量机与二叉树相结合的分类决策。建立了基于微粒群算法的支持向量机参数选择方法,提高了图像识别的速度与实用性。利用ORL标准人脸图库,分别对图像预处理的各种方法和特征向量提取及人脸识别进行了仿真对比实验,实验结果表明,论文所提出的算法具有效率高、可靠性好、实用强的特点。