与其他生物特征识别技术相比,人脸识别具有更加方便、友好以及直接的特点,是模式识别领域的研究热点之一。虽然人脸识别已经广泛地投入到了实际应用中,但姿态、表情、遮挡物以及光照等因素依旧影响着人脸系统的识别精度。在这些影响因素当中,光照变化对识别精度的影响较为严重。为了解决这个问题,本文研究了人脸的光照不变特征提取方法,具体工作如下:(1)提出了一种基于分块的韦伯脸算法。由于韦伯脸算法是基于整幅灰度图像进行特征提取,这样可能忽略局部重要的人脸特征信息,因此本文在韦伯脸的基础上,提出了一种改进的算法。首先将人脸图像分块,使用方向可调滤波对每个子块进行处理,以便减小人脸图像中阴影边界的影响;然后利用韦伯脸对每个子块进行处理,并将所有子块按照一定顺序重新构成新的人脸图像,最后分类算法采用的是非负最小二乘。该算法在Extended Yale B和PIE人脸库中的实验表明其在复杂光照条件下仍能获得较高识别率,且具有较好的光照鲁棒性。(2)提出了一种基于改进的自适应平滑的Retinex算法。在复杂光照条件下,使用自适应平滑的Retinex算法处理人脸灰度图像时,虽然在一定程度上可以减轻侧照光产生的阴影边界的影响,取得较好的识别率,但是经其处理后的人脸灰度图像在一定程度上仍受到阴影边界的影响,并且存在过度曝光问题。为了进一步减轻上述问题对人脸识别率的影响,以便提高复杂光照条件下的人脸识别效果。本文首先使用自适应平滑的Retinex算法对人脸灰度图像进行处理,以此减小阴影边界的影响,然后使用韦伯脸算法对人脸图像进行下一步的处理,以便解决过度曝光问题和进一步减小阴影边界的影响,最后分类算法采用的是线性回归分类算法。在Extended Yale B和PIE人脸库上的实验表明,在复杂光照条件下,该算法的人脸识别效果要明显优于原算法。