人脸识别已成为当前模式识别、机器视觉领域中的一个研究热点。人脸识别的目的是使计算机能够像人一样具有从一幅图像中发现是否存在人脸,以及对发现的人脸进行身份鉴别的能力。近年来,人脸识别技术取得了很大的进展,涌现出许多优秀的人脸识别方法和许多优异的人脸识别系统。尽管如此,人脸识别技术仍有许多问题尚待解决,光照问题就是其中之一。本文对人脸识别中光照变换条件下的人脸图像预处理、人脸特征提取以及人脸分类问题进行了深入的研究,其主要研究工作如下:(1)研究了光照变换条件下的人脸图像预处理。本文对现有的光照预处理算法进行了讨论,总结其优缺点。重点分析研究了基于Retinex理论的光照预处理算法,并在此基础上提出了一种新的基于Retinex理论的光照预处理算法。在对图像进行裁剪、修改的同时,用高斯差分滤波器代替传统Retinex算法中的低通滤波器来去除图像中的光照成分,之后采用直方图均衡化对处理后的图像进行增强。仿真实验结果表明,本算法较传统Retinex具有更优的预处理效果,并消除了传统Retinex算法中的“光晕”现象,从而提高了识别率。(2)研究了Gabor小波提取人脸图像的特征方法。Gabor小波变换对外界环境如姿态、光照、表情等具有较强的不变性,对人脸特征地表示有较好的鲁棒性。研究表明,Gabor相位特征信息包含了许多有效的图像局部特征,对光照变换不敏感;而且原始图像灰度值信息,对特征而言,它表示了图像的全局特征。为了使图像既包含局部特征又包含全局特征,本文将Gabor相位信息和原始图像灰度值信息相融合,提出了一种增强型的Gabor相位特征方法。(3)将本文方法和其他方法进行了实验对比分析。分类器的设计是人脸识别中的最后环节,常见的分类器有支持向量机(SVM)和神经网络等,它们是基于欧式距离来进行相似度量的,不能较好地度量光照等非线性因素,为此本文采用最近邻分类方法对人脸特征进行分类识别。最后将本文方法在人脸数据库Yale B和CMP PIE上与其他预处理、特征提取方法进行了对比分析,结果表明,采用本文方法能较好地消除光照对人脸图像识别的影响,能有效地提高人脸图像的识别率。