與其他生物特征識別技術(shù)相比，人臉識別具有更加方便、友好以及直接的特點，是模式識別領(lǐng)域的研究熱點之一。雖然人臉識別已經(jīng)廣泛地投入到了實際應(yīng)用中，但姿態(tài)、表情、遮擋物以及光照等因素依舊影響著人臉系統(tǒng)的識別精度。在這些影響因素當中，光照變化對識別精度的影響較為嚴重。為了解決這個問題，本文研究了人臉的光照不變特征提取方法，具體工作如下： （1）提出了一種基于分塊的韋伯臉算法。由于韋伯臉算法是基于整幅灰度圖像進行特征提取，這樣可能忽略局部重要的人臉特征信息，因此本文在韋伯臉的基礎(chǔ)上，提出了一種改進的算法。首先將人臉圖像分塊，使用方向可調(diào)濾波對每個子塊進行處理，以便減小人臉圖像中陰影邊界的影響；然后利用韋伯臉對每個子塊進行處理，并將所有子塊按照一定順序重新構(gòu)成新的人臉圖像，最后分類算法采用的是非負最小二乘。該算法在 Extended Yale B 和 PIE 人臉庫中的實驗表明其在復(fù)雜光照條件下仍能獲得較高識別率，且具有較好的光照魯棒性。 （2）提出了一種基于改進的自適應(yīng)平滑的 Retinex 算法。在復(fù)雜光照條件下，使用自適應(yīng)平滑的 Retinex 算法處理人臉灰度圖像時，雖然在一定程度上可以減輕側(cè)照光產(chǎn)生的陰影邊界的影響，取得較好的識別率，但是經(jīng)其處理后的人臉灰度圖像在一定程度上仍受到陰影邊界的影響，并且存在過度曝光問題。為了進一步減輕上述問題對人臉識別率的影響，以便提高復(fù)雜光照條件下的人臉識別效果。本文首先使用自適應(yīng)平滑的 Retinex 算法對人臉灰度圖像進行處理，以此減小陰影邊界的影響，然后使用韋伯臉算法對人臉圖像進行下一步的處理，以便解決過度曝光問題和進一步減小陰影邊界的影響，最后分類算法采用的是線性回歸分類算法。在 Extended Yale B 和 PIE 人臉庫上的實驗表明，在復(fù)雜光照條件下，該算法的人臉識別效果要明顯優(yōu)于原算法。