人脸识别是生物特征识别的关键技术之一,涉及图像处理、模式识别、计算机视觉、机器学习和人工智能等诸多学科领域,在公共安全、信息安全、人机交互、智能监控等领域中有着广泛的应用前景。目前人脸识别系统在比较理想情况下可以取得较高的识别率,但如在摄像环境不可控和用户不配合的情况下使用,其识别性能会大大下降,因此,现有的人脸识别技术还远远不够成熟。人脸识别面临着诸多挑战,其中光照变化是一个首要的挑战,光照变化会引起人脸识别系统的性能急剧下降,而不同地点、不同时间的光照情况往往是不同的,能否消除或减弱光照条件的变化给人脸识别带来的不利影响,直接关系到人脸识别系统的识别性能和实用化进程。　　 本文主要考虑人脸识别中的光照变化问题,同时兼顾表情变化,以提高光照变化条件下人脸识别系统的识别性能为主要目标,对人脸图像预处理、特征提取、分类器设计等人脸识别关键环节进行了研究。首先对目前典型的光照预处理方法进行了分类和总结,探讨了各种方法的优缺点。分析了光照变化对人脸图像产生影响的因为,并结合基于图像处理技术方法的计算模型,对光照不理想条件下的人脸图像给出了光照预处理方案,实验结果表明了本论文光照预处理方案的有效性。其次研究了基于局部纹理分析的人脸特征表达方法,在LBP特征描述符的基础上,通过优化、扩展LBP的基本定义,对传统的LBP特征提取方法进行了改进,实验证明与传统的LBP方法相比,本论文方法具有更高的识别率。最后在分类器设计时引入模糊信息融合的思想。首先提出了一种采用子分类器确定模糊分类结果的方法,然后采用隶属度聚合策略对模糊分类结果进行加权积分融合,最后根据最大隶属度原则,给出待识别图像的确定分类结果。实验证明该方法有良好的分类性能,并且需要较少的匹配时间。ORL和FERET和扩展的Yale-B等多个人脸数据库上的实验结果表明本论文所采用的人脸识别方法有很好的光照鲁棒性,并能较好的兼顾人脸识别的表情鲁棒性,取得了比较高的识别率,具有有效性和可行性。