人脸识别技术是计算机模式识别领域非常活跃的研究课题，在法律、商业、安全系统等领域有着广泛的应用。由于人脸图像的特殊性，人脸识别问题也是模式识别领域的一个相当难的问题，而且更是一项极具挑战性的课题，它汇聚了多个学科的知识与技术，如信号处理、智能控制、模式识别、机器视觉等。如何利用计算机对人脸图像进行快速准确的自动识别以及如何提高识别准确率等等，一直是图像处理与模式识别的研究热点与难点，要使这一技术完全成熟还有很多工作需要去做。通过对现有人脸识别算法进行较深入的分析和研究，以及分析影响人脸识别率的光照因素，总结出一种基于相位一致性原理的新方法。该方法通过Fourier变换后得到的相位信息中包含有丰富的纹理结构信息，并将相位一致性原理应用于人脸图像边缘检测中，取得了很好的效果，并展示了相位信息所揭示的图像的本质特征。实验证明，利用相位重构图像能够在很大程度上去除光照条件影响的特性，通过光照无关特征提取对人脸图像进行处理，提高了识别准确率，同时也证明了相位谱重构与相位一致性分析结合可以进行人脸图像的光照无关特征提取。同时考虑到姿势表情等因素给人脸识别带来的影响，本文对主元分析法(PCA)进行了深入的研究，并在此基础上提出了一种基于相位一致性图像的模PCA方法。该方法既是对PCA方法的延伸，又是对传统的模块化PCA方法的改进。该方法首先对人脸图像进行的相位一致性处理消除了光照对识别带来的影响，而模块化又兼顾了图像的局部特征，降低了姿势表情因素的影响，其次还为人脸识别算法的研究提供了新的思路。实验结果表明该方法是行之有效的。