人脸识别是图像处理和模式识别领域的一个研究热点,在国家安全、公共系统和城市的公共安全等方面有着十分重要的应用前景,但光照问题却在很大程度上阻碍了人脸识别技术的发展。如何有效地对人脸图像进行光照纠正,减小光照的影响,是人脸识别研究的一个重要课题。　　局部二进制模式(Local Binary Pattern,LBP)具有计算简单、快速,对光照变化不敏感的优点,因此,将LBP作为一种人脸图像预处理方法,在提高处理速度与减少光照影响方面有较大的优势。　　基于该理论,本文提出了两种LBP人脸图像光照预处理方法:　　1)多尺度叠加的LBP人脸图像预处理方法　　该方法使用阈值调整、多尺度叠加、对称修复/近邻替代等策略达到了较好的预处理效果,有效地提高了人脸识别对光照的鲁棒性。　　2)基于汉明距离约束的LBP人脸图像预处理方法　　该方法将汉明距离纠错应用到了人脸图像预处理领域,并提出了模式类型预测和双向模式转化的思想。同时,考虑到LBP算子的不足,为了提高模式类型预测的准确度和便于后续的双向模式转化方法的实现,该方法首先也进行了阈值调整和对称修复/近邻替代。在相同的人脸库和识别算法下,该方法的平均识别率略高于多尺度叠加的方法。　　就目前而言,LBP理论在人脸识别中的应用还主要集中于识别算法领域,而将其作为一种人脸图像预处理方法并对其进行改进的工作仍然很少见。本文提出的基于LBP理论的人脸图像预处理方法,其性能明显优于现存的基于LBP理论的人脸图像预处理方法。