與其他生物特征識別技術相比，人臉識別具有更加方便、友好以及直接的特點，是模式識別領域的研究熱點之一。雖然人臉識別已經廣泛地投入到了實際應用中，但姿態、表情、遮擋物以及光照等因素依舊影響著人臉系統的識別精度。在這些影響因素當中，光照變化對識別精度的影響較為嚴重。為了解決這個問題，本文研究了人臉的光照不變特征提取方法，具體工作如下： （1）提出了一種基于分塊的韋伯臉算法。由于韋伯臉算法是基于整幅灰度圖像進行特征提取，這樣可能忽略局部重要的人臉特征信息，因此本文在韋伯臉的基礎上，提出了一種改進的算法。首先將人臉圖像分塊，使用方向可調濾波對每個子塊進行處理，以便減小人臉圖像中陰影邊界的影響；然后利用韋伯臉對每個子塊進行處理，并將所有子塊按照一定順序重新構成新的人臉圖像，最后分類算法采用的是非負最小二乘。該算法在 Extended Yale B 和 PIE 人臉庫中的實驗表明其在復雜光照條件下仍能獲得較高識別率，且具有較好的光照魯棒性。 （2）提出了一種基于改進的自適應平滑的 Retinex 算法。在復雜光照條件下，使用自適應平滑的 Retinex 算法處理人臉灰度圖像時，雖然在一定程度上可以減輕側照光產生的陰影邊界的影響，取得較好的識別率，但是經其處理后的人臉灰度圖像在一定程度上仍受到陰影邊界的影響，并且存在過度曝光問題。為了進一步減輕上述問題對人臉識別率的影響，以便提高復雜光照條件下的人臉識別效果。本文首先使用自適應平滑的 Retinex 算法對人臉灰度圖像進行處理，以此減小陰影邊界的影響，然后使用韋伯臉算法對人臉圖像進行下一步的處理，以便解決過度曝光問題和進一步減小陰影邊界的影響，最后分類算法采用的是線性回歸分類算法。在 Extended Yale B 和 PIE 人臉庫上的實驗表明，在復雜光照條件下，該算法的人臉識別效果要明顯優于原算法。