人脸检测和识别技术在公共安全系统、身份鉴别和虚拟游戏等领域有广泛应用，但是光照问题却是长期困扰该项技术实用化的主要原因之一。光照往往影响图像的低频信息，图像高频信息基本不受影响，因此提取图像的高频信息从而能提高识别率。本文主要讨论几种图像高频信息提取算法以及其在模式识别中的应用。 已有的图像高频信息提取算法有全变分(TV)模型，对数域上利用全变分(LTV)模型以及对LTV模型所丢弃的人脸低频信息通过二次多项式进行光照归一化，再叠加到LTV的高频信息等等。 本文的主要工作是在TV模型的基础上引入弹性网的思想，通过偏微分方程方法进行编程实现提取图像高频信息，并把提取的高频信息与对数域上全变分模型提取高频信息做比较，并用二次多项式对LTV模型所丢弃的人脸低频信息进行光照归一化的思想应用到TV模型中进行光照归一化。本文还结合在图像高频信息提取中的一些新思想，引入了双向TV模型(BTV)和Sobel算子+L1模型两个提取高频信息的新模型，并通过实验，从视觉效果和识别率两个方面分别进行比较。 实验的结果证明，TV模型提取的高频信息较LTV模型提取的高频信息在识别率上要高，并且TV模型对于参数的选取相对不敏感。与直方图均衡化方法相比，TV模型提取的高频信息的识别率有所提高，边缘提取较为理想。相对于TV模型，TV+二次多项式模型能有效提高识别率。但是TV+二次多项式模型也存在一些不足，例如视觉效果差，存在许多小斑点，这是有待解决的问题。 本文也通过实验证明，BTV模型和Sobel算子+L1模型视觉效果并不理想，相对原图像，识别率也没有改善。Sobel算子+L1模型识别率比BTV模型要高，对参数比较敏感，可以通过大量的实验寻找一个合适的参数值，但不利于实际应用。