El reconocimiento de rostros es utilizado en la actualidad para interacción con interfaces hombre - máquina y para identificación biométrica aplicable en seguridad. Durante esta década se han desarrollado diversos métodos de compensación de iluminación con el fin de incrementar la tasa de aciertos en el reconocimiento de rostros. Existen métodos de compensación de iluminación que necesitan una extensa base de datos para crear un modelo de iluminación, mientras que otros precisan de un ajuste de parámetros para su funcionamiento. En esta memoria se investiga mejorar un conjunto de métodos de compensación de iluminación que requieren sólo de ajuste de parámetros. La mayoría de los métodos que se investigan en esta memoria tienen en común que entregan buenos resultados bajo condiciones de iluminación no homogéneas, pero no así bajo condiciones homogéneas de iluminación. El objetivo de esta memoria es obtener una compensación de iluminación que permita tener un reconocimiento robusto de rostros frontales bajo diversas condiciones de iluminación. Para esto se optimizaron utilizando algoritmos genéticos los parámetros de tres métodos de compensación de iluminación: Discrete Cosine Transform (DCT), Local Normalization (LN) y Self - Quotient Image (SQI). Además, se exploró la aplicación de estos métodos de compensación de iluminación en cascada de a pares y optimizar con algoritmos genéticos estas cascadas. Se utilizaron bases de datos internacionales y nacionales con imágenes de rostros frontales bajo distintas condiciones de iluminación. Los entrenamientos de los algoritmos genéticos se efectuaron sobre las bases de datos con condiciones no homogéneas de iluminación, y las validaciones y pruebas se llevaron a cabo sobre bases de datos con condiciones homogéneas y no homogéneas de iluminación. Las pruebas de reconocimiento de rostros se realizaron con dos clasificadores distintos: Principal Components Analysis (PCA) y Local Matching Gabor. Los resultados muestran que hubo un incremento en la tasa de reconocimiento de rostros utilizando el clasificador PCA luego de optimizar los métodos de compensación de iluminación. Los mejores resultados se obtuvieron para la aplicación en cascada de LN seguida por SQI mejorando en hasta un 4,2% el porcentaje de clasificación con respecto a los métodos de compensación de iluminación existentes. Para el reconocimiento de rostros a través del clasificador Local Matching Gabor se obtuvo tasas de reconocimiento de rostros similares entre las imágenes con iluminación compensada y aquellas con iluminación ambiental, cercanas en algunos casos al 100%, lo que significa que no se observan mejoras significativas. Se concluye que la cascada LN+SQI optimizada por algoritmos genéticos entrega una compensación de iluminación robusta para reconocer rostros mediante el clasificador PCA y que el clasificador Local Matching Gabor no es sensible a la compensación de iluminación.