有关人脸识别的研究测试表明人脸识别极易受到光照、姿态、表情、遮挡等变化的影响，并且人脸图像的外观会随着光照条件的变化而发生剧烈的变化，甚至这种变化往往要大于由于人的不同所引起的差异，因此，在环境不可控的情况下，人脸识别中光照问题仍然是一个极富有挑战性的问题。如何有效解决人脸识别不受环境光的影响或是在人脸识别中去除光照影响，是论文的研究重点。　　 通过分析现有的光照预处理技术的研究现状发现，小波光照补偿方法是一种较新的基于图像处理技术的光照补偿方法，论文对小波光照补偿方法的理论及方法进行了详细的研究。通过实验后图像对比，单纯采用基于小波变换光照补偿方法虽然能够有效去除光照成分，在去除光照成分的同时也去掉了部分细节信息，造成图像的特征减弱。　　 本文针对该方法的不足，在小波光照补偿方法的基础上，结合LBP(局部二值模式)，提出了一种改进的小波光照补偿方法，该方法首先利用二维离散小波变换的分解与重构算法将低频成分去除，达到去除光照的目的；然后结合LBP算法，利用LBP直方图将原图像的特征直方图映射到小波光照补偿后的图像中，从而增强小波光照补偿后图像的特征。　　 论文进行了大量的实验，从YaleB，FERET,MIT人脸数据库选取人脸图像，结合PCA和LDA两种识别算法，分别对小波光照补偿方法和改进后的小波光照补偿方法进行实验，实验结果显示改进后的小波光照补偿方法较小波光照补偿方法不仅在有效的去除了光照成分的基础上增强了图像的人脸特征，而且识别率也得到了提高，在FERET人脸库中识别率提高了10[％]左右，YaleB人脸库中识别率提高了2.6[％]，MIT人脸库中提高了0.33[％]。　　 另外，本文将现有的几种基于图像处理技术的处理光照的方法进行了对比分析，实验结果表明，LBP结合小波光照补偿方法在这几种基于图像处理技术的光照处理方法中，对光照处理效果是最好的，识别率最高比其它高，从而证明了改进后小波光照补偿算法的有效性。