人脸识别作为一种应用广泛的生物特征识别技术，具有许多优点，如主动性、非侵犯性和用户友好等。然而人脸识别尚存在许多难点，人脸识别系统对光照、姿态、年龄、表情等条件变化非常敏感，因而寻求不同光照条件下、姿态变化条件下和年龄变化条件下的鲁棒性较好的人脸识别技术，成为该领域的热点。国内外许多研究者已就此提出了许多算法，并取得一定的成果。本文的研究重点是光照变化条件下人脸图像的光照归一化，并在此基础上提取特征，进而进行人脸识别。本文在前人的基础上，针对基于对数变换域的DCT人脸识别算法的不足，提出了改进算法，并利用它实现了人脸识别的整个流程。论文中详细阐述基于对数变换域的DCT人脸识别算法的原理，并通过实验结果分析其存在的不足，即原算法直接忽略包含人脸形状信息的低频部分导致光照归一化后的人脸图像失真，影响人脸识别。有鉴于此，本文提出的改进算法考虑了低频部分，由于此部分存在光照信息，故利用直方图均衡化对其进行预处理，再与高频部分结合；本文注意到人脸LBP特征突出人脸关键纹理信息的特性，将其融合到算法中，形成最终的改进算法。本文根据提出的改进算法对人脸图像进行光照归一化，再利用PCA进行特征提取，最后使用最近邻分类器识别人脸，由此实现了整个人脸识别流程。论文最后通过实验将本文提出的算法与原始的算法和一些经典的人脸识别算法作比较，得知本文提出的改进算法具有较高的识别率，且其鲁棒性较好；在人脸图像不完全符合假设的条件时，该算法相对于其他经典算法也能获得较高的识别率；同时由于该算法较为复杂，其运行耗时相对于改进前有所增加，但仍在可接受范围之内。