因为人脸的稳定性、非侵犯性、安全性等特点,人脸识别一直是学者们研究的热点。与其他人体生物特征识别方式相比,人脸识别具有方式友好,采样方便,无需接触等许多优点,并且,人脸特征具有很强的自身稳定性和个体差异性,是身份验证的理想依据,所以,对人脸识别研究具有重要的学术研究价值和广泛的应用前景。但目前大多数研究都只针对单噪声人脸图像的预处理、特征提取、识别与分类,而实际采集到的图像信号还受到椒盐噪声、高斯噪声等混合噪声的影响。作为人脸识别的关键环节,预处理主要包括降噪、定位和归一化等操作。降噪方面的方法主要包括硬阈值、软阈值和半软阈值,但该类方法仍旧存在两方面的问题:一是阈值函数连续性;二是估计小波系数与含噪信号小波系数之间存在恒定偏差的问题(简称“恒定偏差问题”)。针对此类方法的不足之处,人们提出了很多改进方案,但仍未完全解决问题,要么只解决恒定偏差问题;要么只解决函数连续性问题。为了克服上述存在的问题,本文着重研究椒盐噪声和高斯噪声构成的混合噪声人脸识别问题。为了模拟现实中噪声的异常干扰,本文对数据库中的人脸图像添加了高斯和椒盐两种随即噪声,首先提出一种改进阈值降噪函数,完全解决传统降噪法的两大问题,并对比分析去除椒盐噪声和高斯噪声两种混合噪声的降噪效果。人眼定位是人脸识别系统较为关键的环节,它会影响到后期的特征提取与识别率。目前的很多人眼定位实验都假定面部关键特征点是已给定的,或在条件允许情况下要求用户进行一定程度的交互,目前还缺乏一个通用而又完善的人眼定位模版。为此,本文提出了加权混合投影函数,它能快速地实现人脸姿态、光照变化及佩戴眼镜下的眼部定位。人脸图像特征提取对于人脸识别的鲁棒性和效率都有着决定性作用,故人脸识别过程中,特征提取是至关重要的一个步骤,而所提取特征的好坏与特征提取方法和前期图像预处理工作有紧密联系,为了提取有效分类特征,本文结合运用了2DPCA_LDA和ILPP特征提取算法提取具有较高的实用价值的人脸特征,能根据不同板块的需求更精确地提取全局或局部特征;最后采用SVM分类器对前期处理后的人脸图像进行识别与分类。