经过近四十年的发展,人脸识别技术取得了长足的进步,已有许多商用人脸识别系统出现。但最近的FERET项目和FRVT评测结果表明:现有人脸识别系统在用户配合的理想情况下取得了比较令人满意的结果,但如果在更大规模的人脸数据库、摄像环境不可控、用户不配合的情况下使用,目前最好的人脸识别系统的识别性能也急剧下降。重点需要解决的是光照变化、背景变化、摄像设备差异、视角变化、表情变化、饰物乃至化妆等问题。光照问题目前依然是机器视觉和人脸识别领域面临的难题之一。由于光照变化使得面部特征减弱而分辨能力下降,这样就造成了人脸的类内差异变大,甚至大于类间差异。研究表明,同一个人在不同光照条件下得到的图像之间的差异,可能比不同人在同一光照条件下得到的图像之间的差异还要大。因此,在光照条件下即使是成功的人脸识别方法(如LDA)也不能取得满意的效果,可见光照变化已成为制约人脸识别系统性能的瓶颈之一。为此,本文做了以下工作:①研究了目前人脸识别中的典型方法PCA和LDA,并针对PCA的主分量对识别性能的影响给出了定量的实验验证分析。②研究了对数变换、中心化及灰度归一化等预处理方法对人脸图像识别率的影响,并给出了实验说明。③自适应的维纳滤波方法可以更好地保持图像的边界等高频信息,本文提出了在对数域结合自适应维纳滤波提取人脸光照不变轮廓并直接在对数域进行人脸识别的算法。该算法结合图像中心化和灰度归一化等预处理方法,在Yale B人脸数据库上达到了较高的识别率。④双树复小波变换除了具有小波变换的多尺度多分辨特性外,还具有平移不变和适度冗余的特性,可以在图像的低频部分更好地提取细节信息;结合图像的中心化及灰度归一化处理和对数变换,可以更有效地从不同灰度尺度空间提取出用于识别的人脸光照不变轮廓。本文提出了基于双树复小波变换的光照人脸图像预处理方法,并直接在对数域对提取的光照不变轮廓进行识别的算法。实验显示该算法识别性能优于MSR、SQI、LVT及小波方法。⑤将小波变换中的噪声估计方法引入到双树复小波变换中,并用于光照人脸不变轮廓的提取。