人脸识别技术在社会安全保障方面具有十分重要的应用价值。由于不同的人脸具有内在的相似性,而同一人脸的不同图像常常因为姿势变化和表情变化而表现出巨大的差异性。同时,人脸图像的质量还容易受到光照、阴影等因素的影响,其在实际应用中的识别精度仍然不能满足人们的要求,因此,在人脸识别之前,预先处理人脸图像,减少光照、阴影等对它的影响,是十分必要的。本文重点对人脸识别中的光照处理技术,以及大角度偏转下的人眼定位问题展开研究,提出了一系列相关算法。本文提出了一种基于不对称特征的变光照人脸识别算法。该算法通过定义纹理层次可分性函数和给出一种根据当前光照条件提取的有效特征,提高了识别速度和识别率。本文提出了一种基于SVM的光照方向估计算法,解决人脸识别中复杂的、非线性光照方向分类问题。使用分叉树将复杂分类,变成简单的、多级递进式分类问题,并且每级分类保证在三类以内；同时在各级分类中,根据当前分类的类别特点,提取当前分类之间的明显特征作为分类特征。本文方法对解决分类特征不易于提取、类别数目多的分类问题有明显效果。本文提出了一个基于微观本义复原的光照正规化算法。通过提取图像的微观本义特征,将整体图像上变光照下的非线性灰度变化转化为微观邻域内的线性变化,并一定程度上避免了包括图像自身结构在内的不确定因素对图像复原的不利影响。该算法有较好的光照补偿效果,并能适应实时人脸识别的需要。本文提出了一种解决平面大角度旋转的人眼精确定位算法。该算法的特点是根据圆周旋转不变性,建立一种基于圆周块子矩阵的标准人脸旋转模板,使对人脸旋转角度的判定转化为对圆周块子矩阵移位距离的估计。在FERET库上的实验结果表明,该算法精度较高,适用于360度内的平面旋转的人眼定位。