人脸识别是图像处理和模式识别领域的一个重要研究课题，人脸识别和认证技术在公共安全、智能监控、多媒体等领域有着广阔的应用前景。经过数十年的研究，在理想情况下人脸识别技术已能取得较好的识别性能。但在不可控环境中易受到光照、姿态、表情、遮挡等因素的影响，使识别性能急剧下降。让人脸识别系统走向实用仍然是一个极具挑战性的课题。本文针对光照问题进行研究，以提高人脸识别系统对光照的鲁棒性和识别率为主要目标，主要对人脸图像预处理、提取光照不变特征、分类识别等关键阶段展开研究，探讨人脸识别问题的研究方法。本文的主要工作和研究成果概括如下：1.首先介绍了人脸识别课题的研究背景和意义及国内外发展情况，针对光照问题的三种研究方法：光照建模、光照补偿、光照不变特征提取法进行分类总结，分析其优缺点。2.提出一种基于非下采样Contourlet变换（Nonsubsampled Contourlet Transform，NSCT）和邻域去噪的光照不变人脸识别算法。光照问题是影响识别效率的重要因素之一。本文在分析了小波变换提取人脸特征的基础上，采用多尺度的NSCT，它不仅具有小波变换的多分辨率和时频局域特性，还具有很强的方向性和冗余性，可以更完备的提取光照不变特征，同时在图像表示上能更好的描述人脸细节信息。采用邻域去噪方法去除光照不变特征中的投射阴影等噪声，因为投射阴影出现在局部的可能性最大，邻域去噪符合这点，其只在小范围内进行去噪，相比于一般的去噪方法，能保留更多的边界信息。经实验证明，该方法有效的提取光照不变特征，显著提高了人脸识别率。3.人脸识别系统分为预处理、特征提取、分类识别三个关键环节，每一阶段对人脸识别系统性能都有所提升。本文提出的基于局部二值模式（Local Binary Pattern，LBP）和线性回归的可变光照人脸识别算法同时涉及这三个阶段，在每一阶段中对光照进行处理，得到更完备的可变光照算法。在预处理阶段采用Gamma校正、DoG滤波、对比度均衡化方法，降低光照敏感度，采用具有光照鲁棒性的分块LBP提取光照不变特征，最后使用改进的线性回归模型进行分类识别，即消除受光照影响最大的主成分系数。所提方法能有效的消除光照对人脸识别的影响，提高人脸识别系统的鲁棒性和识别率。