人脸识别是生物特征识别领域的一个研究热点，主要涉及了模式识别、计算机视觉、机器学习和图像处理等方面的内容。人脸识别的非接触式、非打扰、直接性、隐蔽性等优点，使其在门禁系统、监控、身份鉴定等方面有着广泛的应用前景。目前，很多性能优良的人脸识别算法已经被提出，一些成功的商用系统也在现实中得到应用。然而，当不可避免的光照、年龄、表情、姿态变化等问题出现时，人脸识别率会大大下降；尤其是光照的变化对人脸识别的影响。因此，如何提高人脸识别在光照变化条件下的识别率和鲁棒性是值得研究的一个课题。本文针对人脸识别中的光照变化问题，从图像的光照补偿和光照不变特征提取两个方面进行了研究。对于变化光照环境下的图像，光照补偿是图像预处理中最重要的一步。在第三章中，通过介绍了几种效果较好的经典的光照补偿方法的原理及优缺点，引出了基于脉冲耦合神经网络的光照补偿算法；在传统脉冲耦合神经网络模型基础上，基于脉冲耦合神经网络的自动波特性，结合图像的统计特性，利用Weickert J定义的与梯度和梯度方向有关的扩散率函数，通过改进传统脉冲耦合神经网络模型，得到各向异性脉冲耦合神经网络模型，并将其用于光照补偿。人脸特征提取主要包括整个人脸局部二值模式（LBP）特征和各人脸器官局部区域的LBP特征。为了满足人脸特征具有主次之分和局部特征的完整性，在提取整个人脸的整体LBP特征的同时，将人脸的主要特征区域（鼻子、眼睛、嘴巴）分割出来，提取重要局部区域的LBP特征；然后将各个LBP特征连接起来得到综合LBP特征；为了减小计算量，用PCA算法对综合LBP特征降维；最后，运用2统计方法计算降维后的LBP特征的相似性来实现人脸判别。文章的最后，为了验证本文提出的光照补偿方法和采用的人脸特征提取方法的适用性和有效性，选取了Yale B和MCU-PIE人脸数据库的部分图像进行了光照补偿实验，并对补偿效果进行了评价；用本文选取的特征提取方法对光照补偿后的图像进行了人脸识别实验；基于OpenCV设计了实时的人脸识别系统，实现了实时人脸数据的采集、人工样本选取、自动人脸样本训练和人脸判别。