人脸识别研究就是要赋予计算机根据人脸面孔识别人物身份的能力,该研究具有重要的理论价值和巨大的应用前景。经过四十多年的发展,人脸识别研究已经取得了重大进展,但仍存在一些不尽人意的地方,还需要解决光照变化、姿态变化、表情变化等问题。本文主要关注于人脸识别中的光照问题,分析了光照变化影响人脸识别的原因,概述了人脸识别中光照问题的研究现状,针对目前解决方法中的一些缺点,从图像预处理、提取光照不敏感特征、图像预处理方法与光照不敏感特征结合三个方面对光照问题进行了研究,主要做了如下工作:1)实验对比分析了分块直方图匹配、分块直方图均衡化和对比度受限直方图均衡化这三种处理效果较好的基于传统图像处理技术的光照预处理方法,结果表明当人脸图像存在阴影时,这三种方法对阴影的削弱能力有限,并且在处理中增强了噪声。2)基于Retinex理论的光照正则化方法削弱阴影的能力总体上比基于传统图像处理技术的人脸预处理方法好,但这类方法在人脸图像存在较强阴影时,易在阴影边缘处产生光晕现象,光晕现象的产生严重的影响了后续的人脸识别。针对这一问题提出了基于L2范数约束的总变分模型(TVL2)的对数域光照正则化方法LogTVL2,由于TVL2具有较好的边缘保持能力,所提出的LogTVL2方法能较好的削弱光晕现象。从处理效果、处理耗时和识别率三个方面,将LogTVL2与MSR、LogDCT和SQI这三种典型方法进行了实验比较,验证了LogTVL2光照正则化方法的有效性。3)现有光照预处理方法均没有考虑输入人脸图像的光照情况,而是对它们进行相同的处理。当人脸图像存在较大的光照变化时,现有的光照预处理方法均能在一定程度上削弱光照的变化,提高识别率,但是对于光照比较均匀的人脸图像,这些处理方法却带来了负面影响。针对这一问题,提出了“人脸图像光照质量指数”,人脸图像光照质量指数定义为待测人脸图像的光照估计图像与参考人脸图像的光照估计图像的相似度,参考人脸图像的光照条件是均匀或近似均匀的,通过保留人脸图像离散余弦变换的部分低频系数估计人脸的光照图像。实验结果表明,该方法能较好的定性衡量人脸图像光照不均匀程度。根据输入人脸图像的光照质量指数可以判断该图像是否需要经过预处理,避免预处理方法对光照情况较好的人脸图像带来负面效应。4)人脸面部对象的轮廓是进行人脸识别的重要特征,并且它对光照具有一定的不敏感性,梯度是刻画这些轮廓的一种重要方式,基于Retinex理论和图像处理的角度,分析比较了对数域梯度、对数域垂直梯度及对数域水平梯度的光照不敏感性,并提出在决策级将三者加权融合,优势互补,提高对光照变化的不敏感性,并通过实验对该方法的有效性进行了验证。5)结合前面提出的方法,提出了健壮的链式处理方法,首先计算输入人脸图像的光照质量指数,根据计算值确定输入人脸图像是否需要进行光照预处理,若需要,则利用提出的LogTVL2进行光照正则化处理,然后提取梯度方向、梯度幅度特征,然后将梯度方向与梯度幅度特征在决策级别融合,进行识别;若不需要,则直接利用正则化相关进行识别。实验表明LogTVL2光照正则化方法与梯度方向的结合,能较好的提高识别性能,链式处理增强了对光照变化的鲁棒性。