目前,人脸认证对环境光照的影响有着难以克服的缺陷,这主要是由于光照变化的影响给人脸图像带来的变化甚至比人脸图像个体差异带来的变化大。另外,当人脸认证时的环境光照与注册时不同,人脸认证的识别性能也会急剧下降,不能满足实际系统的需要。为了增强实际系统对环境光照变化的鲁棒性,本论文提出一种基于各向异性扩散算法的多尺度人脸光照不变特征图像提取算法。其特点是针对人脸图像中的光照问题向传统各向异性扩散算法中引入新的区间不一致描述子,并提出新的传递系数以消除该算法中的图像光晕效应,进而形成新的各向异性扩散算法。通过将该算法嵌入广义商图像法中得到最终的光照不变特征图像的获取方法。本论文的主要研究内容概括如下:①本论文深入研究传统各向异性扩散方法中用于描述灰度图像梯度的梯度描述子。针对该方法对梯度描述的不足引入两种经典梯度描述子:1)利用空间梯度对图像中的灰度梯度进行描述,再针对空间梯度描述子不能较好描述梯度方向这一缺陷进行改进。2)针对性的引入区间不一致描述子,用以加强对不同方向上的近邻区域不一致性的描述,从而得到梯度变化的方向。②传统方法中的传递系数容易导致扩散图像边缘的锐化。虽说对于边缘提取来说这是一个好的特性,但对于处理图像中的光照变化却是有害无益。这将使得处理后的图像混入大量的噪声。本论文针对这一问题对该传递系数进行改进,从而大幅度的降低了处理后的图像噪声,使得新的各向异性扩散方法对光照变化的处理效果得以大大改善。③传统的各向异性扩散方法的实现是一个扩散迭代的过程,且该方法是在没有任何约束条件下进行迭代计算的。如果直接用来处理人脸图像,将很容易造成过适应问题。为此,本论文在新的各向异性扩散方法中引入一种特定的扩散约束,使得新的各向异性扩散方法更加适合于处理人脸图像中的光照问题。④对本论文提出的光照不变特征图像方法与其他主流的光照不变特征提取方法在标准人脸库Yale B和CMU PIE库进行了相应的对比实验。结果表明,本论文提出的改进算法具有较大的优越性。本论文所提出的算法可以在多尺度空间中有效地提取不随光照变化的人脸结构特征图像,不需复杂的光照变化建模,且对训练样本无特殊要求。该算法在低频光照域上具有很好的边缘保持能力,即使在光照变化很大的条件下也能获得良好的处理效果。