人脸识别系统具有非接触性、主动性以及用户友好等优点，不仅广泛用于门禁和考勤等领域，在人口密集地区安检系统及电子商务中的移动支付系统中也有卓越表现。人脸识别技术在应用中需要解决人脸姿态、表情、遮挡以及环境光照变化等问题。但由于系统进行图像采集时通常处于非可控光源环境中，因而光照变化对人脸识别系统的影响尤为显著。研究表明人脸图像中光照变化造成的差异可能大于个体面部特征差异，且目前仍无法彻底解决光照干扰的问题。因而研究抗光照干扰的人脸识别算法具有重要意义。人脸识别系统中克服光照变化干扰的方法主要包括光照归一化处理、光照不变特征提取以及基于基图像算法。本文重点对光照归一化处理和光照不变特征提取算法进行研究。主要研究内容如下：①详细介绍了基于光照归一化处理中的伽马校正、对数变换、直方图均衡化以及同态滤波等算法，并利用Yale B人脸库对上述光照归一化处理的光照补偿性能进行了测试。结果表明光照归一化算法虽然能够一定程度上减弱光照变化的干扰，但在光照强度较大时，并不能获得令人满意的效果。②重点研究了基于光照不变特征提取的人脸识别方法，包括MSR、LTV、LWT及NSCT算法等。上述算法都能很好地抑制人脸图像中的光照干扰，LTV相比MSR具有更好的细节保持能力；LWT对图像进行多分辨率分析能获取更多的人脸信息；NSCT相比LWT更适合描述人脸图像中的纹理轮廓。利用Yale B、Extended Yale及CMU PIE人脸库对各算法提取的光照不变特征进行分类识别测试，表明基于NSCT的人脸识别算法识别率显著高于前几种算法。③考虑到人脸图像NSCT低频子带中依然存在人脸信息，本文提出一种融合自适应平滑和NSCT的人脸识别方法，即使用自适应平滑技术进一步提取低频子带的人脸细节特征，对NSCT提取的光照不变特征进行补偿。该算法提取的光照不变特征能够更好地保持图像纹理细节特征，去除光照变化的干扰。利用Yale B、Extended Yale和CMU PIE人脸库对MSR、LTV、LWT、NSCT、INSCT算法及本文算法提取的光照不变特征进行分类识别测试，结果表明本文提出的算法相比上述已有算法具有更优的识别性能。