由于人脸识别在身份认证、视觉监控以及人机接口等方面有着广泛的应用前景，从而成为近年来计算机视觉和模式识别领域的一大研究热点。计算机自动人脸识别就是从包含人脸静态图像或动态视频序列图像中借助计算机技术提取出人脸的个性化特征，并依据此特征自动识别出人的身份。人脸识别是一种重要的生物特征识别技术，其关键问题是如何从人脸图像中有效地抽取出描述每个个体的特征，使之区别于其他个体。现今的人脸识别算法通常是把人脸图像投影到由特征向量组成的子空间中，因此特征向量的选取决定了人脸识别的效果。本文在M-2DPCA算法的基础上，引入识别能力的概念，提出了一种加权的分块二维主成分分析算法。由于增加子图像的权值能够提高不同类之间的差异，从而提高容错性。实验证明该算法需要较少的投影特征数，且增强了鲁棒性并有效提高了识别率。类似地，本文在HV2DPCA算法的基础上，使用识别能力的概念，提出了一种加权的水平垂直二维主成分分析算法。实验证明该算法具有更高的识别率。最后，针对非线性可分问题，将核理论与M-2DPCA结合，提出了一种基于核的分块二维主成分分析算法。该算法混合了图像的矩阵和向量表示，将原始图像矩阵分割为若干图像块，以块为单位，将每个图像块转换为向量，通过这些向量构造一个新的矩阵。在ORL人脸数据库上进行试验，验证了本文的算法不仅可以获得较高的识别率，同时其计算复杂度也得到了改进。