人脸识别是模式识别和人工智能领域中的一个重要研究课题。人脸识别技术已经取得了显著的研究成果，一些自动化人脸识别系统也相继出现。但是仍然存在许多难点需要解决，其中光照变化是人脸识别技术中最具挑战性的问题之一。本文针对光照变化问题，深入研究分析了光照归一化和光照鲁棒特征提取方法，将光照预处理和光照不变特征提取相融合，力图减弱光照变化对人脸识别的影响。具体研究内容如下：（1）研究光照鲁棒的完备LBP特征提取方法，通过图像分块提取各子块完备LBP特征并连接构成整个图像的特征描述，使特征包含各个子块的局部结构信息和空间信息，利用方差自适应估计各个子块完备LBP特征的权重，突出具有较强分类特征的子块，提出了基于分块完备LBP特征的光照鲁棒人脸识别算法。实验结果验证了所提算法的有效性。（2）融合基于视网膜模型的光照归一化方法与分块完备LBP特征的提取方法，提出基于视网膜模型与分块完备LBP特征的人脸识别算法。该算法首先对人脸图像进行基于视网膜模型的光照归一化处理，然后再提取预处理后人脸图像的分块完备LBP特征，最后进行分类识别。实验证明，所提算法可以有效提高复杂光照条件下的人脸识别率。（3）融合光照预处理链与分块完备LBP特征，提出基于光照预处理链与分块完备LBP特征的人脸识别算法。该算法首先对人脸图像依次进行伽马校正、高斯差分滤波和对比度均衡处理，消除图像中的光照差异并增强人脸的纹理信息，然后进行分块完备LBP特征的提取，最后使用最近邻准则分类识别。实验结果表明，所提算法能够取得令人满意的实验结果。