人脸识别是图像处理、模式识别和计算机视觉领域的热点研究课题,在罪犯缉拿、法庭举证、企事业单位人员考勤和视频监控等方面有着重要的应用。近二十年来,人们提出了很多有效的人脸识别算法,然而,光照变化仍然是影响当前人脸识别技术走向实用化的主要因素之一。本文研究具有较好光照鲁棒性的人脸识别算法,从图像预处理、人脸特征的选择和提取、模式分类器的设计等着手,进行了下列三方面的探索。1.提出了先采用小波多分辨率分析技术对人脸图像进行光照补偿,然后用主元分析法(PCA)进行人脸识别的方法。在光照补偿时,舍弃图像中受光照影响严重的低频分量,而只用高频分量重构人脸图像,由此可较好地消除图像中光照的影响。实验表明,用该法光照补偿后,PCA方法的识别率有了显著提高。2.提出了基于二值边缘图像(BEM)和支持向量机(SVM)的人脸识别方法。人脸二值边缘特征采用具有自适应二值化阈值选取功能的LAT算法提取。通过用AR和Yale图像集进行实验,该方法比M2HD方法、PCA方法等取得了更好的光照鲁棒性。3.针对边缘特征的光照鲁棒性好、但对表情变化的适应性较差的问题,提出了将二值边缘特征和灰度特征融合起来用于人脸识别的方法。实验表明,该方法能较好地兼顾系统的光照鲁棒性和表情鲁棒性,具有较好的实用价值。