近三十年来，人脸认证技术虽然得到了长足的发展，但是光照问题仍然是影响其性能的主要因素之一。光照环境的复杂多变性和不确定性，让光照鲁棒的人脸认证变得很困难。光照不变特征图像提取方法是近年来研究光照问题的主流方法，它处理效果较好，并且对训练样本没有要求。各向异性扩散算法是一种经典的光照不变特征图像提取方法，它的性能主要由图像梯度描述子和传导函数决定。为减轻光照对人脸认证性能的影响，本论文提出一种基于韦伯局部描述的光照不变特征图像提取方法，该方法主要通过引入韦伯局部描述子来改进传统的各向异性扩散算法中图像梯度的描述性能，并提出一种基于中心对称的对数变换对人脸图像进行预处理以减轻侧光对人脸图像的影响。本论文的主要研究工作如下：①在调研国内外人脸光照处理方法的基础上，深入研究了光照不变特征方法，重点研究了各向异性扩散算法，详细分析了该算法的基本原理及影响其性能的主要因素。②本论文通过对图像梯度描述子的分析，发现现有的梯度描述子虽然能很好描述图像局部的灰度变化，但这种变化主要考虑图像像素间灰度的绝对变化，不能描述与图像背景的相对变化。而相对变化往往更能够反映图像局部的灰度变化程度。为此，本论文将韦伯局部描述子引入到各向异性扩散算法中，用以描述人脸图像局部灰度的相对变化。利用韦伯局部描述子和空间梯度共同描述人脸图像梯度，使得各向异性扩散算法对光照的处理效果得到较好的改善。③图像的梯度描述子对图像局部的灰度变化十分敏感，但是它却无法区分这种变化是由人脸特征引起的，还是由光照变化引起的。在侧光影响下，人脸图像明暗区域分界线附近像素点的灰度值变化剧烈，会引起图像梯度的显著变化，这是我们不希望发生的。为减轻侧光对人脸图像影响，本论文提出一种基于中心对称的对数变换对人脸图像进行预处理。这种变换结合了对数和指数变换的优点，能够有效改善不同光照条件下人脸图像的灰度动态范围。本论文利用中心对称的对数变换对人脸图像进行预处理，然后将采用韦伯局部描述子的各向异性扩散算法引入广义商图像框架中就形成了本论文提出的光照不变特征图像提取方法。④本论文采用图像视觉效果、余弦相似度、ROC曲线和人脸认证率等四种公用的评价指标用以评价光照不变特征图像提取算法的性能。在CMU PIE和CAS-PEAL人脸图像库上，将本论文提出的方法与其他经典的光照不变特征图像方法进行了处理后的视觉效果对比实验、余弦相似度对比实验、ROC曲线对比实验以及人脸认证实验，实验结果表明本论文提出的方法是一种有效的光照不变特征图像提取方法。