人脸识别是计算机视觉和生物特征识别领域的研究热点。人脸识别受到光照和表情变化的影响较为严重,研究人员为了克服这些问题,提出将红外人脸图像用于识别。红外人脸的最大优点是不依赖于光照,这使得红外人脸识别能够弥补可见光人脸识别中的一些缺陷和不足。但是,红外人脸识别仍有其局限性,类似于可见光人脸识别受光照条件变化的影响,红外人脸识别受环境温度变化的影响。为了减小环境温度变化对红外人脸识别的影响,提高红外人脸识别系统的性能,本文借鉴了人脸光照归一化的处理方法研究了红外人脸的温度归一化,从变换域的角度提出了两种温度归一化方法：(1)基于傅里叶变换域红外人脸图像的温度归一化方法,通过找出红外人脸图像中受环境温度变化影响大的特征点,替换掉这些特征点,来实现测试红外人脸图像的温度归一化。最后从归一化后的测试红外人脸图像中提取特征用于识别。实验表明,这种温度归一化方法能够有效提高红外人脸识别系统的性能。(2)基于双树复小波变换域红外人脸的温度归一化方法,通过舍弃受环境温度变化影响大的那些低、高频成分,来获取稳定的人脸特征用于识别。首先将不同环境温度下采集到的红外人脸图像变换到双树复小波域,其次根据红外人脸图像低、高频成分的统计特性,试图找出对环境温度变化表现出敏感的低频或者是高频成分,并将这些部分的低、高频双树复小波变换系数置零,接着利用处理后得到的低、高频系数重构出红外人脸图像,实现测试样本的温度归一化。最后我们用实验证实了本方法的有可行性、鲁棒性,而且对本部分的研究还得出两个重要结论：红外人脸图像低频子带中的系数受环境温度的影响要比高频子带中系数受环境温度的影响大；每一级分解得到的六个高频子带受环境温度变化的影响大小也不一样。