研究表明,同一个人在不同光照情况下得到的图像之间的差异往往比不同人在相同光照条件下得到的图像之间的差异还要大,因此消除光照变化对人脸图像造成的影响对人脸识别来说具有重要意义。目前人脸识别中解决光照变化影响问题的方法主要可以分为三类:基于提取光照不变特征的方法、基于光照变化的建模方法和基于光照条件标准化的方法。这几类解决光照问题的实现要么依赖于预先确定的基函数或者滤波器,要么是在一定理想的假设条件下提出的,因而限制了它们在实际中的应用。经验模态分解(EMD)作为一种无参数特性和基于数据驱动的自适应分析方法,近年来已被越来越广泛的被应用到图像压缩、图像融合、纹理分析、特征提取等图像处理领域,其实质是将输入信号根据数据自身的时间尺度特征分解成一簇涵盖了源信号从高频到低频的多尺度信号特征的固有模态函数,其最大的特点是无需设定任何的基函数。鉴于经验模态分解算法的无参数特性和基于数据驱动的自适应分析,本文详尽阐述了EMD的原理,并在标准经验模态分解算法的基础上对原算法进行了改进,将其应用的人脸识别光照变化问题处理中,从整体上有效消除了光照变化对人脸识别造成的影响。本文首先阐述了光照变化对人脸识别的造成的影响以及当前主要的一些光照变化问题处理方法。当前人脸识别中处理光照变化问题的一些方法要么依赖于预先确定的基函数或者滤波器,要么是在一定理想的假设条件下提出的,使得它们虽然可以在一定程度上消除人脸图像中因光照造成的影响,但总体效果并不是很理想,再加上很多算法实现的复杂性,从而限制了它们在实际中的应用。其次,在对经验模态分解算法筛选过程中计算信号上下包络均值即信号局部均值过程分析的基础上,从信号插值点的检测方法和插值算法的选取两个方面对原EMD算法进行了改进,提出了一种能更好的处理人脸图像中光照变化信息的改进方法。首先对输入信号的一阶导数进行筛选,计算出信号高频分量的极值点,然后再以上一步得到的信号高频分量的极值点作为插值点、以B样条插值法代替原EMD中采用的三次样条法作为插值算法对信号进行筛选,从而分解出IMF。然后,在一维经验模态分解的基础上,也从极值点的检测和插值方法两方面出发,以8邻域比较法作为检测人脸二维信号极值点的方法、以基于三角的立方插值法作为筛选过程计算包络曲面的插值算法,将经验模态分解从一维形式扩展到二维形式,并用于人脸识别光照问题处理中。其中在利用8邻域比较法检测人脸图像的极值点时,将图像上的所有极值点分为两类,即第一类极值点和第二类极值点。并论述了二维IMF经验模态分解筛选过程所面临的主要问题,包括极值点的选取、插值算法的选取、问题边界效应的抑制问题和筛选过程的终止条件等问题。最后,对本文的主要研究内容和工作进行了总结,并在此基础了说明了以后工作的方向和内容。