人脸识别率受光照变化、姿态变化、遮挡物、年龄变化、模糊等诸多不确定因素影响，但FERET[13]和FRVT[14]测试结果表明，自动人脸识别系统的识别率和性能急剧下降的最重要的因素，仍然是光照和姿态变化。所以，目前制约所投入应用的系统发展的最大的瓶颈，是光照和姿态变化问题。在上述诸多影响识别率的因素中，本文主要研究由于光照的变化对人脸识别的影响。
光照变化对于人脸识别率的影响主要表现在如下几个方面：1过度曝光造成的人脸特征丢失，2逆光或欠曝光导致的人脸特征对比度下降，3阴影造成的虚假边缘，4光照色温不同引起的人脸肤色的变化，5传感器或光子噪声等。31895
由于光照变化对于识别率的影响重大，很多研究者把研究重点集中到消除或减弱光照变化带来的影响，从而提出了大量的方法去解决光照问题。从原理的角度来划分，这些方法大致上可以被分为三类：光照预处理、光照不变特征提取和光照变化建模[30]。论文网
光照预处理：光照预处理是早期提出的消除光照变化影响的方法，主要利用数字图像处理的技术来对光照进行处理，以期获得光照良好的图像。这些方法主要包括：直方图均衡化[15]、对数变换[16]、同态滤波[17]、伽马校正[18]等。这些方法算法简单，实现起来比较容易，处理速度快，并且能一定量的减弱光照变化对人脸识别的影响；然而，使用这些全局处理技术仍然很难处理非均匀光照的变化，在不可控条件下的识别率不能令人满意。
      光照不变特征提取：这一类方法是当下处理光照的主流方法。这些方法试图提取出受光照变化影响不变或者变化不大的特征，再对图像进行特征提取。Jobson提出了基于Retinex理论的单尺度Retinex算法[19]和多尺度 Retinex 算法[20]。文献[21]提出了商图像方法，商图像作为光照不变量的数字图像，可用于不同光照条件下的人脸识别。这种方法需要引导数据库，而且当主要特征在引导集和测试集之间差距较大时，识别性能会降低。文献[22,23]提出了 TVQI 和 LTV 算法。Wang等提出了基于QI和MSR的自商图算法[24]。Zhang等在2009提出了梯度脸算法[25]，Tan等综合高斯差分滤波、伽马校正等理论提出了光照预处理链算法[26]。这些方法都能很好地提取到光照不变特征，在主流人脸识别数据库的识别率很高。
    光照变化建模：光照的变化主要是由于在不同方向的光源下人脸的三文形状。最近，一些研究人员试图构建一个产生式的三文人脸模型，可以用于不同的姿势和在不同的光照条件下的人脸图像复原。这一类的方法，一般希望能恢复人脸的形状、姿态、光照等信息，从而能较好地消除或者减弱光照变化的影响。但是，这些方法需要处理的信息量巨大，导致计算代价非常高，难以在实际应用中起到很好的作用。其中主要有光照锥[27]、球面谐波[28]等。这类方法理论性过强，假设太多，对于识别条件要求高，具有很强的局限性；因此实用性不高，难以应用在实际人脸识别系统中。 人脸识别的光照问题研究现状:http://www.youerw.com/yanjiu/lunwen_28202.html