提高人脸识别对人脸姿态、位置、表情变化的鲁棒性，提出一种基于非下采样contourlet变换(NscT)与改进脉冲耦合神经网络(M—PcNN)的人脸特征提取方法。利用NscT对输入图像进行多尺度分解和多方向稀疏分解，以捕获图像中的高维奇异信息，使用M—PcNN模型提取各子带的信息熵，将其作为人脸特征，利用支持向量机(sVM)实现分类与识别。仿真结果表明，该方法鲁棒性较强，在识别和分类中表现出较好的性能。