人脸识别作为模式识别领域一个极其重要的分支,其在视觉领域技术中的应用不可替代。随着信息技术的发展,计算机视觉技术与数学的相结合,人脸识别的应用越来越成熟。但是在实际生活中,往往不能控制光照造成的阴影对人脸的遮挡而提供特别理想的人脸图像,使得一般的人脸识别表现得不理想,不能满足实际需求,因此如何解决光照造成人脸被阴影遮挡导致识别效果变差成为了实际应用中的人脸识别乃至模式识别领域有待解决的问题。在综合学习分析国内外研究现状的基础上,并结合模式识别相关知识,对是如何获取阴影下较为完整的脸部特征的人脸图像进行了深入研究。具体研究内容如下:首先,介绍了人脸识别的基本概念及相关知识,并对本课题用到的人脸识别方法和人脸图像上阴影遮挡问题进行了简要介绍。其次,根据特征脸法人脸识别算法的对光照造成阴影遮挡敏感的特点,为研究算法对阴影图像增强的效果,利用主成分分析来处理图像信息进行降维分类,为提高算法识别过程的效率,在图像预处理阶段对图像进行压缩,采用加权平均压缩图像方法对图像进行压缩,一方面保留了压缩前原图像的特征信息,另一方面有平滑图像的效果,可以降低噪声对压缩图像的干扰。再次,提出了基于梯度优化的图像增强方法。该方法利用直方图均衡加大图像的对比度,使处于不同灰度级像素的在灰度上分布的更平均,利用具有高斯滤波作用的Sobel算子在图像上卷积,通过高斯核卷积降低图像上的噪声,使得噪声在求取图像梯度过程中得影响变小,最后求取人脸连图像梯度起到增强图像人脸特征的作用。最后,对提出的方法进行实验验证,并将所提的方法与已有的解决阴影遮挡问题的方法的实验结果进行对比。