光照问题是人脸识别面临的主要难题之一,由于光照变化改变图像灰度空间的分布,当使用灰度信息特征去识别人脸时,往往会使类内差异(同一个人的不同人脸图像)大于类间差异(不同人的人脸图像),严重影响人脸识别的准确度,制约了人脸识别技术的推广应用。目前针对光照变化,解决方法大致分为三类,光照子空间方法,光照归一法和光照不变量法。本文提出了一个基于序特征的改进算法,将采用序特征作为光照不变量去解决人脸识别中的光照变化问题。首先对图像进行二维小波变换,提取图像的低频系数,进行图像压缩,抑制噪声影响,减少图像中的冗余信息。然后使用改进的序特征提取算子提取序特征。本文对序特征提取算子进行了两方面的改进：一是改进提取算子的作用域,扩大特征提取范围。将算子的作用域扩大到中等大小,提高特征含量,特别是针对人脸识别这种类别差异小的分类任务,可以包含更多的整体信息。二是改进算子的作用形式,将传统的矩形算子扩展为椭圆形算子。由于人脸的三维结构形式,椭圆形区域更符合人脸的特征区域,所以椭圆形算子可以提取更多的相关信息,优于矩形算子。算法在Yale B和ORL人脸数据库上进行了验证,并选择目前具有代表性的解决光照影响的算法进行对比试验。根据光照情况,对样本数据进行了集中分类。实验结果表明,本文所提算法在识别率上表现出较大的优势。在单样本训练和混合样本训练的情况下,表现依然稳定。与其它算法相比,本算法对训练样本和环境的要求不高；需要选择的参数较少,节省了参数优化所需的时间和计算资源；在强化人脸特征部位如眼、嘴巴等的细节能力方面效果显著；也可以较好的提取受阴影影响图像部分的细节特征,特别是大面积阴影的情况。实验结果证明,该算法的识别准确率较高,具有较高的有效性和稳定性。