人脸识别是模式识别、计算机视觉等领域中的一项重要的、有意义的研究课题,在过去的几十年中,正脸的人脸识别已经取得了令人满意的进展,但是对有姿态变化和困难光照条件下的人脸图像的识别仍然有待提高。本文主要研究了在姿态变化与困难光照条件下的人脸识别,主要的工作有：1.提出了双线性判别字典学习方法(Bilinear Discriminative Dictionary Learning, BDDL)来处理人脸识别中的姿态与光照变化问题。提出的BDDL有以下特点：1)对编码系数加2范数正则化,使学到的字典更适合人脸识别；2)通过最小化由每类字典原子重构对应类的训练样本,可以学到一个结构化的字典,该字典使得在分类的过程中每类的重构残差更有判别性；3)为了挖掘样本在字典上编码的判别性,一个对样本和编码系数双线性的判别项嵌入在提出的BDDL模型中,这个双线性判别项从本质上是解决一个在再生核希尔伯特空间(RKHS)中的回归问题。另外,本文提出了一个新的分类器：双线性判别分类器(the Bilinear Discriminative Classifier, BDC),并基于K-L散度,提出了一个评估BDC置信度的准则。实验结果表明提出的BDDL对于姿态和光照变化条件下的人脸识别是有效的。2.提出了基于直方图学习的局部直方图规定化(LHS-L)和灵活的LHS-L (f-LHS-L)来处理困难光照条件下的人脸图像。提出的方法首先在人脸图像上用一个高通的过滤器来过滤掉低频区域的光照,然后从正常光照的人脸图像上学习得到局部直方图和局部直方图统计量,LHS-L将局部直方图规定化(LHS)应用在图像的所有区域,而f-LHS-L利用局部直方图统计量将人脸图像上高频光照和低频人脸特征所在的区域检测出来,最后将LHS应用在这些区域,来削弱高频区域的光照并增强低频区域的人脸特征。另外,本文还提出一个在局部直方图规定化和局部直方图均衡化中每次迭代过程中计算某个灰度级累积分布函数值的快速算法,并且提出的快速算法在理论上可以得到保证。3.提出了分类器集成的BDDL (En-BDDL)来处理人脸识别中姿态和光照同时变化问题。对于光照变化,利用光照预处理方法处理得到人脸图像的预处理视图。因为BDDL能处理人脸姿态变化,且其学习过程是建立在协同表示分类器(CRC_RLS, CRC_LS)和BDC这3个分类器的基础上,所以利用BDDL分别对无预处理和有预处理两个视图下的图像字典学习,在分类过程中,将这两种视图下的6个分类器的结果集成,集成过程中考虑BDC的置信度,得到最终的分类结果。