在过去的几十年里,由于安全和商业领域应用需求的日益增长,人脸识别已经成为了研究的热点。许多新的人脸特征提取技术被提了出来,其中一部分已经成功的在实际中得到了运用。局部Gabor二值模式串(Local Gabor Binary Pattern, LGBP)就是一种出色的人脸特征提取技术,对人脸的姿态、表情、噪声变化等都有很好的鲁棒性,但对光照和时间变化的处理仍需要进一步的改善。时间对人脸图片的影响也可认为是光照影响的结果,主要是因为时间变化产生的影响是由人脸表面的光照反射率和面部形态变化所导致的。因此为了得到对人脸在各种条件变化都具有良好鲁棒性的LGBP算法,需要解决的问题就是光照变化的问题。本文以研究一种对姿态、光照、表情、遮挡、时间变化等鲁棒性都好LGBP人脸识别技术为目标,重点围绕了LGBP在光照变化上的问题展开了研究。首先本文在LGBP算法中采取了一种有效的光照预处理方法来削弱光照变化对特征的影响。局部归一化预处理是一种通过提取图片中与光照无关的特征来解决光照不均匀问题的方法。本文提出了一种改进的局部归一化处理技术,能够更有效地获取与光照无关的属性特征,进一步的提高LGBP在光照变化上的鲁棒性。其次提出了一种自适应的组合加权方法,它结合了能够为测试人脸图片加权的熵图谱加权法和根据测试图片与对比图片自动调整训练权值的自适应分块加权方法的优势,使权值的分布更趋向于合理化,有效地提高了LGBP在各种变化条件下的鲁棒性。本文所提出的改进局部归一化技术和自适应组合加权法,有效地提高LGBP在光照变化下的鲁棒性。为本文获得一种对姿态、表情、光照、时间变化等鲁棒性均较好的LGBP人脸识别方法,提供了巨大的帮助。