人脸识别作为一种非接触式的生物特征识别技术,具有广阔的应用前景,已经成为模式识别的一个研究热点。由于光照对室外环境下的人脸图像影响巨大,所以本文的主要研究复杂光照条件下的人脸识别技术。特征提取是提取出人脸图像中对光照不变性的人脸特征。针对LBP和LTP等方法在提取特征人脸特征时,邻域内等距离的点权值不同的不足,提出了一种基于距离加权的高斯加权局部二值模式(GWLBP)。该方法不仅通过改变加权方式来扩大特征提取的尺度,而且还突出了中心像素在加权时的重要性,并且改变了识别方法,加快了识别速度。实验结果表明,GWLBP在原始人脸图像的识别上,效果优于LBP、LTP、AELTP等特征提取算法。直接使用特征提取进行人脸识别得到的识别率是远远不够的,需要对原始图像进行光照归一化,去除光照成分。针对韦伯人脸等算法在局部光照相同的假设上的不足,提出了两种改进算法——基于伽马变换的韦伯人脸(γ_WF)和自适应韦伯人脸(AWF)。γ_WF是先在整幅图像上通过伽马变换改善光照条件,使得局部光照相同的假设更加严谨,再利用韦伯人脸去除光照。而AWF方法在像素级别上通过自适应的伽马变换改善局部光照条件,再去除光照。γ_WF+LBP在Extended Yale B和CMU-PIE数据库上的识别率分别为99.32%和96.75%,优于其它算法。同时,AWF+LBP在两个数据上的识别率为99.55%和96.363%,也优于其它算法。实验结果证明,γ_WF+LBP和AWF+LBP都是高准确率和强鲁棒性的人脸识别算法。