人脸识别以其非接触式的特点在经济、军事、安防、刑侦等领域有着广泛的应用。但由于其容易受到光照、表情、姿态等的影响,一个极具鲁棒性的人脸识别系统还有待加强,人脸识别的研究任务任重而道远。其中,光照条件的变化对人脸识别的影响更为突出,人脸识别要在更多的场合应用,必须解决光照问题,本文就光照问题对人脸识别的影响展开研究,具体分析内容如下:1、研究对数变换、直方图均衡、伽马变换三种光照归一化算法在复杂光照条件下对人脸图像质量的处理效果,之后验证分析了MSR、自商图像两种光照不变特征提取算法,并在YaleB和CMU-PIE人脸数据库上进行实验,得出不同算法在处理复杂光照条件下人脸图像的差异。2、梯度脸算法对复杂光照人脸图像有较大的改善。为了获得更好的人脸图像的光照不变特征,本文在梯度脸算法的基础上,提出了多方向梯度脸算法,通过计算人脸光照条件下六个方向的梯度特征,将其进行加权融合得到多方向梯度脸图像。之后为了更好地进行特征选择和提取,将得到的多方向梯度脸结合几种典型的特征提取算法,选择其中具有代表性的特征。实验结果表明人脸图像经过多方向梯度脸算法处理后再进行特征提取能够明显的提高识别系统的效率。3、Retinex算法可以很好地解决复杂光照人脸图像的识别问题,是解决光照问题的经典算法,但是在光照剧烈变化下会产生光晕伪影。针对Retinex算法中会出现光晕伪影的现象,为了提高Retinex算法对复杂光照条件下人脸图像处理质量,提出了采用维纳滤波的方式进行照度估计,能够很好地得到人脸图像的光照不变特征,消除光晕伪影的产生。实验从主观视觉效果和客观实验数据出发,通过对比几种算法的处理效果,证明了本算法的处理能力以及其解决复杂光照人脸图像的有效性。4、复杂光照条件下的人脸图像经过优化后的Retinex算法处理得到光照不变分量特征后,为了后续人脸识别的研究,使用了特征融合技术来进行人脸图像特征的提取,提出一种基于PCA降维的特征融合技术。结果表明经过降维处理后的特征融合技术在时间和识别率上都取得了不错的效果。后续又研究了DBN网络对复杂光照人脸图像识别率的影响,实验得出DBN网络在运用LBP特征提取技术后可以大大缩短识别时间和提高识别率。