身份识别存在于社会的各个方面，当今社会使用的身份识另)方式主要是IC卡、密钥等，这些方式存在易丢失、易损坏等固有缺点。在这种情况下，生物识别登上了身份识别的舞台。人脸识别是生物识别的一种，它具有被动性和友好性等优点，这使得其成为身份识别研究的热点。人脸识别中存在光照、表情、年龄等问题，其中，以光照的影响最为突出。有实验表明，光照对人脸识别的影响大于不同人脸间相似度对人脸识别的影响。本文就光照问题在人脸识别中的影响进行研究，主要研究了基于频率和能量的去除光照的方法。基于频率的去除光照的方法主要研究了小波分析的方法;基于能量的方法主要研究了变分法、PCA(主成分分析，principal component analysis)、SVD(奇异值分解，singular value decomposition)三种方法。利用小波分析方法在去除人脸光照时，小波层数和小波基的选取只能凭借经验进行。针对这个问题，本文提出了一种建立在灰度基础上的方法来选取小波层数和小波基。小波分解层数的选取根据不同分解层数的人脸特征图的灰度的变化曲线，选择二阶导数最大的分解层数。小波基的选取是在各小波基分解层数确定的基础上，选取各种小波基处理得到的人脸特征图集合中，人脸特征图灰度与人脸特征图集合的灰度均值的距离最小的小波基作为去除光照的最佳小波基。变分法是基于光照占据图像中绝大多数能量的基础上建立起来的一种去除光照的最优模型。其优点是对测试图像有自适应性，但这种方法估计的光照图含有人脸特征(高频成分)，为了去除光照图中的人脸特征，本文在变分法得到的光照图的基础上，通过增加低通滤波器，取得了很好的识别效果。PCA(主成分分析)和SVD(奇异值分解)基本原理都是在光照占据了图像的绝大多数能量的基础上，建立一个光照空间来对光照进行去除。PCA建立在一协方差矩阵的基础之上，协方差矩阵虽然在识别中可以取得很好的效果，但直接用于去除光照是不合理的。它不符合光照占据图像中绝大多数能量的理论基础。同时，直接利用PCA进行光照估计的另外一个缺点是需要大量的样本。本文提出的方法则仅利用一幅测试图像建立起一个能量矩阵来取代协方差矩