近年来,自动人脸识别(Automatic Face Recognition, AFR)越来越受到研究者的关注,成为图像处理、模式识别与计算机视觉研究中的热点问题。同时,它作为一种最能平衡各方利弊及具多功能的生物识别技术,在身份鉴定、人机交互和视频监控等商业应用领域中有着广阔的发展前景。目前,较好的AFR系统在理想条件下已经能够取得令人满意的识别性能。然而,大量的测试和实验经验表明了,在光照不均匀、背景复杂等非理想条件下的人脸识别技术还远未成熟。人脸识别领域中的一个难点是如何设计出具有高鲁棒性和高识别率的AFR系统。　　本文一方面针对人脸识别技术中的特征提取问题提出了一种采用融合 Gabor和PCA特征的人脸识别方法,提高了人脸识别性能。另一方面,研究了在非均匀光照条件下人脸光照不变量的提取方法。本文的主要研究工作如下:　　(1)提出了一种基于Gabor与PCA特征融合的人脸识别方法。近年来,Gabor特征被认为是最有效的人脸表示方法之一,它能够从不同方向不同尺度上有效表征人脸,突出了人脸的局部显著性。而主分量分析(Principal Component Analysis, PCA)方法提取的是人脸的轮廓信息,弥补了Gabor特征在人脸全局特征提取方面的不足。本文运用PCA提取人脸全局特征,Gabor小波提取纹理特征并通过PCA降维后作为其局部特征,利用全局和局部的融合特征进行人脸识别。实验结果表明,本文提出的融合Gabor和PCA特征的人脸识别效果要优于基于单一特征的人脸识别。　　(2)提出了一种基于改进的NSCT光照不变量提取的人脸识别方法。非下采样轮廓波变换(Nonsubsampled Contourlet Transform,NSCT)是一种具有多尺度、多方向与平移不变性的完备变换,它在表示图像的纹理与边缘等几何特征方面具有独特的优势。为了进一步消除光照成分,同时保留大量的人脸轮廓信息,本文针对传统基于NSCT的光照不变量提取算法中对低频分量的处理做了改进,将低频分量进行同态滤波处理,再进行直方图均衡化,使得图像灰度值均匀分布,取得了较好的去光照效果。实验结果验证了改进算法的有效性。