人脸识别技术已有七十多年的历史,技术的不断成熟促使人脸识别技术走出实验室,走进生产、生活实践。成功的人脸识别技术需有效处理人脸图像的高维数据特性,光照、姿态等变化对识别性能产生的影响,并要求有较高的识别率和识别时间效率。目前,人脸识别技术在安全、监控、执法、多媒体管理、人机交互和身份验证等国家、国际安全管理和商业及教学活动等领域均有广泛应用。小波变换具有多分辨率分析特性及快速而高效的Mallat算法;统计不相关鉴别分析方法(Uncorrelated LDA,ULDA)能够提取图像的统计不相关特征。本文对小波变换和ULDA方法进行优势互补,用小波变换解决ULDA方法的小样本问题,用ULDA方法提取人脸图像的统计不相关特征。将小波变换后的低频及高频子图分别进行ULDA特征提取,用四个子图的特征融合进行分类识别。并通过在人脸库上的仿真实验证明算法对提高识别性能的有效性。研究基于小波变换的光照不变特征提取算法,在此基础用直方图均衡化增强光照不变特征的对比度,并通过对比实验找到最佳小波基、训练集和测试集的最佳参数组合,使得光照不变特征的识别性能达到最佳。在光照人脸库上的实验表明,增强对比度后的算法具有比原算法及作为对比的其它算法更好的识别率和更优的时间效率。提出融合小波低频信息的光照不变特征提取算法。算法为了充分利用小波低频信息,用高斯平滑滤波对小波低频部分的细节特征进行再提取,作为光照不变特征的有益补充。融合算法能更丰富地表征一幅受光照影响的人脸图像。