人脸识别具有主动性、用户友好和非侵犯性等优点，在国家及公共安全、信息金融安全、人机交互等领域具有巨大的社会价值和应用前景。正因为这样，人脸识别一直是模式识别和机器视觉等领域的研究热点。虽然人脸识别已经在人们生活的很多领域取得了应用，但是人脸识别的研究仍然面临巨大的挑战。影响人脸识别性能的因素很多，其中光照就是人脸识别面临的首要挑战。由于解决光照变化问题的瓶颈主要存在于光照预处理和特征提取阶段，所以本文在研究分析已有相关算法的基础上，重点对光照预处理和对光照鲁棒的特征提取算法加以研究。光照预处理方面，对已有的光照预处理算法进行分析，尤其对基于Retinex理论的相关算法进行了探讨，提出了一种基于最优传导函数的自适应平滑Retinex光照预处理算法。该算法以Retinex理论为基础，通过描述人脸图像像素点的不一致性，经过自适应滤波平滑估计光照，进而恢复人脸本质信息。实验表明，本算法效果优于经典Retinex算法，尤其对有强侧光照影响的人脸识别效果显著。光照特征提取方面，通过分析纹理特征对光照变化相对不敏感，对LBP（Local Binary Patterns）及其相关扩展算法进行探讨，提出了一种完整局部三值模式下的纹理特征提取算法。该算法对传统LBP从灰度差异方向以及差异幅值等方面进行扩展，能提取更高区分度的纹理信息，克服了传统二值模式对非均匀光照编码不一致的问题。实验表明，本算法能提取比传统二值模式更多的纹理信息，对轻微非均匀光照问题有较好的鲁棒性。