随着社会科技的进步，人脸识别作为一种简便、安全、有效的身份认证方式受到了人们广泛的关注。但是由于实际应用中出现的光照、表情等的变化，极大的影响了人脸识别系统的性能。本文以人脸识别中的光照和表情问题为研究对象，分别从商图像和局部特征提取的角度对这两个问题进行的深入的研究，并且取得了一定的研究成果。本文的主要工作及贡献概述如下：　　 >提出了一种基于形态学商图像MQI的人脸识别方法，它是将形态学闭运算的方法引入到商图像中来。由于闭运算具有很好的边缘保持和尺度选择特性，因此它能够很好的进行光照估计。将图像转换到对数域上进行计算，可以加重图像中有用的特征信息所起的作用；为了减小结果图像中的噪声，采用了局部平滑的预处理手段；针对闭运算的尺度选择特性，本文作者根据图像的局部特征来自适应的选取结构元素的大小，这样可以更好的对光照进行估计。在Yale B和PIE人脸数据库上的实验表明，MQI方法能够很好的解决人脸识别中的光照问题，同时具有很低的时间复杂度。　　 >提出了一种基于多向梯度二值特征GBP的人脸识别方法，同时将其扩展到MGBP。该方法是通过对象素周围的一个很小的区域提取特征来计算属于该象素的标签，继而通过对人脸图像进行分割，统计每个分割出来的子区域的各个标签值的直方图，得到属于该子区域的局部特征表示。随后，将各个子区域的直方图按照一定的顺序串连起来，得到整幅人脸图像的全局特征表示，这种人脸的特征表示比当前流行的针对表情的特征表示具有更低的维数。在FERET大规模人脸数据库上的实验表面，该方法不仅具有较高的人脸识别准确率，而且在处理被噪声污染的图像时，仍然能够保持较好的识别稳定性。　　 总之，本文作者的方法分别在处理人脸识别中的光照和表情问题中取得了较好的效果，在保证较高的人脸识别准确率的同时，保持了较低的时间和空间复杂度。