在自然环境下的人脸识别系统中,不管是人脸检测技术还是人脸识别技术都要考虑环境因素的干扰,而这些干扰中最主要的就是噪声和光照。噪声主要是指由于风沙、雨雪天气在人脸采集过程当中形成的噪声和设备采集图像过程和传输过程中产生的随机噪声;光照主要是指采集图像时人脸所受光照的角度和强度不同,人脸图像呈现出过亮、过暗和光照不均匀的现象。能否妥善的解决这两个因素带来的干扰对识别结果有着重要的影响。本文对自然环境下人脸识别所用到的技术进行研究,主要的工作内容如下所示:(1)采用肤色与人脸特征相结合的方法进行人脸检测,采用对光照鲁棒性较高的YCbCr色彩模型减少光照对人脸检测的影响,选用自适应的中值滤波对二值化后的图像进行处理减小噪声对人脸特征的影响,最后结合人脸特征实现人脸较为准确的检测。(2)噪声预处理。选取椒盐噪声和高斯噪声的混合噪声对整个过程中的噪声建模,通过实验验证噪声模型对模拟自然环境下的噪声干扰有一定的效果,对于噪声的消除本文选用一种自适应中值滤波与小波变换相结合的消噪方法,并得到了较好的效果。(3)光照预处理。分析常规直方图均衡化以合并灰度级、减小信息熵、模糊细节为代价来实现扩展图像灰度动态范围,提升图像对比度的原因。并以此为依据提出了一种保护信息熵的自适应双平台直方图均衡化算法。算法以双平台直方图均衡化为基础,以信息熵最大化为目的,使用统计差值迭代法自适应得出平台的上下限,并修改映射函数,实现灰度级的合理映射。通过该算法较好的处理了光照的干扰。选取对数变换模型与Lee模型结合的算法使处理后的图像更符合人眼的视觉特点,通过对参数的自适应实现对图像整体光照偏强、偏弱两种情况的处理,使人脸图像的细节更加丰富;通过使用自适应的伽玛变换较好的解决了所遇到的光照问题,并通过客观评价参数证明以上几种光照预处理方法的有效性。(4)选用改进的LBP算法实现人脸识别,第一次用LBP算法完成了图像由像素级向特征级的转变,第二次用LBP算法的LTP特征实现对特征级图像的特征提取,实现较高的人脸识别率。并通过图像预处理前后的识别率验证本文预处理算法的有效性。