利用人体生物特征来鉴别个人身份的生物识别技术已经成为安全验证的首要方式,而人脸识别是最常用的身份确认手段,也是当前最热门的模式识别研究的课题之一。人脸识别技术经过近50年的发展,人脸识别取得了大量的经验和算法,然而在非受控条件下,尤其在光照变化的条件下,人脸识别依然是一个富有挑战性的研究课题。由此本文针对光照问题进行了相关研究,重点研究光照预处理和对光照具鲁棒性的特征提取算法。分析了人脸图像预处理的算法,重点研究了去噪处理、几何归一化和光照预处理的方法。由于人脸图像在传输和存储的过程中,受到脉冲干扰的影响比较严重,而通过实验证明中值滤波在解决人脸噪声方面有很大的优势,因此本文将采用中值滤波来解决噪声影响的问题。若原始的人脸图像的标准不一样,这将严重影响人脸识别的精度,建立一个统一的标准对人脸识别系统非常重要。本文在总结前人研究的基础之上,给出了人脸图像几何归一化的标准。研究了几种常用的光照预处理的方法,并给出了具体的算法分析。在实际的工程应用中,速度和效果往往是研究人员必须要考虑的两个因素。由于基于高斯差分的光照预处理方法在速度上有很大的优势,同时效果也能满足要求,因此本文选择了基于高斯差分的光照预处理方法。研究了局部二值模式及其变体算法在人脸识别的应用。由于局部纹理特征能够很好描述人脸的结构信息,同时对姿态和光照的鲁棒性很强,因此本文对具有代表性的LBP、LTP和MB-LBP三种算法进行了深入研究。由于MB-LBP特征维数大,且LBP和LTP算法降维方法不再适用于MB-LBP算法,因此本文将引入另外一种降维方式—线性鉴别分析。线性鉴别分析是人脸识别中常用的分析方法,这种方法可以在降低维数的同时也可以获得更具鉴别性的特征。但是此方法通常存在小样本的问题,因此在进行线性鉴别分析前对原始特征进行主成分分析。为了最大程度的提取人脸图像的特征,因此对多分辨率技术进行了研究。由于小波变换具有多分辨率的特点,且符合人眼从粗到细的识别机理,因此将小波变换引入到MB-LBP的特征提取的方法中。特征提取是人脸识别中关键的一步,提取的特征必须对光照、表情、姿态等变化有较强的鲁棒性。采用本文的基于小波变换的MB-LBP人脸识别方法在Extended YaleB人脸库上面了取得了98.31%的识别结果。