Las imágenes faciales en el espacio logarítmico pueden considerarse como la suma del componente de textura y el componente del mapa de iluminación según la Reflexión de Lambert. Sin embargo, aún no es fácil separar estas dos partes, porque los límites del contorno facial y los límites del cambio de iluminación son difíciles de distinguir. Con el fin de mejorar la calidad de separación de estas dos partes, este documento propone un algoritmo de estandarización de iluminación basado en restricciones de regularización de diferencia extrema de Gauss L0, asumiendo que la iluminación se extiende masivamente por toda la imagen pero los límites de cambio de iluminación son simples, regulares y lo suficientemente dispersos. El algoritmo propuesto utiliza un método iterativo de suavizado de diferencia Gaussiana L0, que logra una estimación más precisa del mapa de iluminación al reservar los límites más pequeños. Por lo tanto, el componente de textura de la imagen original puede ser restaurado mejor simplemente restando el mapa de iluminación estimado. Las experiencias en este documento se organizan en dos pasos: el primer paso es observar la calidad de la restauración de textura original, y el segundo paso es probar la efectividad de nuestro algoritmo para tareas de clasificación facial complejas. Elegimos la clasificación de expresiones faciales en este paso. Los resultados experimentales del primer paso muestran que nuestro algoritmo propuesto puede recuperar efectivamente los detalles de la imagen facial de regiones extremadamente oscuras o claras. En el segundo experimento, utilizamos un clasificador CNN para probar la precisión de la clasificación de emociones, comparando el algoritmo propuesto de eliminación de iluminación y el algoritmo de eliminación de iluminación de vanguardia como métodos de preprocesamiento de imágenes faciales. Los resultados experimentales muestran que nuestro algoritmo funciona mejor para la clasificación de expresiones faciales con aproximadamente un 5 a 7 por ciento de precisión superior a otros algoritmos. Por lo tanto, nuestro algoritmo se ha demostrado que proporciona un soporte técnico de procesamiento de iluminación efectivo para los problemas de clasificación facial complejos que requieren un alto grado de preservación de la textura facial. La contribución de este documento es, en primer lugar, que propone un modelo de TV mejorado con una restricción de límite L0 para la estimación de la iluminación. En segundo lugar, la respuesta del límite se formula con la diferencia gaussiana, que responde fuertemente a los límites de iluminación. En tercer lugar, este documento enfatiza la necesidad de reservar detalles para el preprocesamiento de imágenes faciales.