隐马尔可夫模型(Hidden Markov Models,HMM),是一种基于整体的或然率统计方法,它把各个器官的数值特征联系起来对人脸进行描述和识别,因而取得了很好的效果。本文提出了一种基于小波分析的各向异性图像去噪方法用于人脸图像的预处理。该方法首先对图像进行离散小波变换。然后对其各个分量分别用各向异性的方法实现去噪。经结果表明。该方法能够较好的去除噪声的同时,很好的保留边缘信息。本文提出了一种基于小波变换和隐马尔可夫模型的人脸识别方法。首先对原始图像进行重叠采样,并对每个采样块在小波域上进行多尺度分解,然后再利用PCA对其进行降维,并把它作为观察向量,对隐马尔可夫模型进行训练。实验表明,该方法在不同光照条件下都有较高的识别率。本文对现有的最大模型距离算法(Maximum Model Distance,MMD)作了进一步的拓展和改进,将其运用到了嵌入式隐马尔可夫模型的训练过程中,并且给出了该算法的参数重估公式和参数重估计公式矩阵表示形式。实验表明使用该方法可以得到更高的识别效果。