人脸识别作为人脸信息处理中的一项关键技术，近年来在模式识别与计算机视觉领域中已经成为一个十分活跃的研究方向，具有极高的学术研究价值和商业应用价值。虽然形成了多种有效的识别方法，但是人脸识别仍然存在很多难点，人脸的光照、遮挡、多姿态等情况都对传统的简单背景的正面人脸识别不断提出挑战。　　 本文就人脸识别中，光照以及姿态变换这两个问题进行了研究，主要研究了以下三方面内容：　　 首先，针对人脸识别中非均匀光照带来识别率下降这个问题，研究了一种基于形态学的商图像方法，用来部分补偿光照对识别的影响，其中，为了消除图像中的噪声，采用局部平滑策略。实验结果表明，经过基于形态学的商图像预处理的人脸图像的识别率，在一定程度上有所提高。　　 其次，实现了基于加权局部二值模式(LBP)的人脸识别方法。本文将人脸分割成7×7小块，串联这些子区域的LBP直方图生成人脸特征向量，提出了采用PCA分块降维的方法来解决维数过高的问题，最后采用Chi平方距离衡量特征向量间的距离。通过Yale B人脸库的实验表明，结合基于形态学商图像的预处理方法和基于加权LBP的人脸识别方法，不同光照条件下的首位人脸识别率提高到83％。　　 最后，针对人脸识别中的姿态问题，提出了一种基于单视图正面人像合成方法，将检测得到的多姿态人脸图像进行姿态校正。首先计算输入图像及其镜像之间的光流，进行人脸的运动估计，再运用姿态校正方法将人脸从侧面旋转到正面生成近似正面人像，再对合成的正面人像进行图像修复。实验证明，通过此方法可以有效地将一定角度范围内的非正面人脸校正为正面人脸，提高了人脸识别率。