人脸识别作为模式识别领域的一项重要研究课题,已经取得了显著的研究成果。但是由于实际环境中存在多种不稳定因素,例如光照变化、姿态变化、表情变化等,使得人脸识别技术面临挑战。其中光照变化是影响人脸识别技术的一个关键因素。针对人脸识别中的光照变化问题,本文研究内容如下:(1)研究光照归一化方法,通过分析已有的光照预处理链方法,该方法中的伽马校正对于复杂光照条件下的人脸图像的处理效果不是很好,从而影响后续高斯差分滤波对图像的处理效果。针对这个问题,使用对数域离散余弦变换(Discrete Cosine Transform,DCT)作为光照预处理链的第一步,并与高斯差分滤波和对比度均衡相结合,对人脸图像进行处理,提出了一种对数域光照预处理链方法。实验结果表明了所提算法可以有效地减弱光照对人脸图像的影响。(2)研究局部三值模式(Local Ternary Pattern,LTP),LTP算法中的阈值是一个经验值,需要通过大量的实验获得一个最优阈值。针对这个问题,提出了一种自适应阈值局部三值模式(Adaptive Threshold Local Ternary Pattern,ATLTP)算法。该算法利用标准差可以反映样本变量分散程度的特性,自适应估计LTP阈值,并提取人脸图像的ATLTP纹理特征。实验结果表明,与LTP算法相比,ATLTP算法有更强的光照鲁棒性。(3)研究多尺度ATLTP算法,针对ATLTP算法提取的纹理特征不够丰富、全面,提出了一种多尺度ATLTP特征提取算法。该算法首先利用ATLTP算法对人脸图像进行不同尺度的特征提取;然后将不同尺度的特征图像划分为若干子块,并统计各子块特征的直方图分布;最后将所有子块的直方图分布顺序级联,表征人脸图像的纹理特征。实验结果表明,多尺度ATLTP算法可以有效提高光照变化条件下的人脸识别率。(4)研究光照变化的人脸识别系统,没有一种光照归一化方法可以彻底消除光照对人脸图像的影响,而且也没有一种光照不变量特征提取算法可以提出完整的光照不变量。针对这个问题,提出了一种基于光照归一化与ATLTP特征的人脸识别算法,该算法在提取人脸图像的ATLTP纹理特征之前,用与之匹配的光照归一化方法减少人脸图像上的光照影响。该算法综合了两种光照处理方法优势,实验结果证明,该算法取得了令人满意的效果。