人脸识别系统一般存在两个不可避免的问题，一是在图像成像过程中由于光照不均匀而引起的图像明暗变化，二是在图像采集和传输过程中产生的高斯噪声。其中光照不均匀会使人脸图像产生剧烈的明暗变化，这种图像明暗变化往往要比人脸图像中人脸特征差异对人脸识别的影响更大。
　　本研究主要内容包括：⑴使用卡尔曼滤波器处理图像高斯噪声。⑵同态滤波是处理光照不均匀引起图像明暗变化的有效方法，可以平滑背景，提升对比度，增强图像细节。但是，在实际使用中，由于每个图像成像的物理条件都不尽相同，因此同态滤波最佳参数选择的消耗很大。假Top-hat变换同样具有平滑背景，增强图像阴影部分细节的功能。在实验过程中，发现用假Top-hat变换去改善同态滤波，不仅可以降低同态滤波对参数的依赖，同时也增强了滤波效果。⑶直方图均衡化可以将灰度直方图从较集中的某个灰度区间映射到全部灰度范围内，从而解决图像因光照不均匀引起的明暗变化，其初衷是提升图像的信息熵，而结果却是以减少图像的灰度级和信息熵为代价，来提升图像的方差与对比度，扩展灰度的动态范围。针对直方图均衡化的不足，本文设计了一种保护信息熵的自适应双平台直方图均衡化算法。该算法以双平台直方图均衡化为基础，首先以信息熵最大化为目的，计算出下限平台，其次根据直方图均衡化映射函数的性质自适应的迭代出上限平台，最后修改累积分布函数，实现灰度级的合理映射，在保护图像灰度级和信息熵的同时，仍可有效的提升图像的方差与对比度，扩展灰度的动态范围，克服了直方图均衡化的不足。⑷γ值自适应灰度校正，需要预先定义光照均匀的图像，通过穷举法校正对应的光照不均匀的图像，在一定程度上解决了图像因光照不均匀引起的明暗变化。算法效率与算法效果存在一定的矛盾性，本设计使用逐精度逼近的方法，优化了算法效率。⑸图像识别包括预处理、降维、投影、分类、识别。使用本文方法对人脸图像进行预处理，主成分分析法进行降维与投影，线性判别分析进行最优分类，通过比较与各类的距离，进行识别。选取Yale B人脸库和实际拍摄的人脸图像验证本文设计的有效性。