随着计算机科学技术的不断发展,人脸识别技术的地位变得越来越重要。经过几十年的发展,人脸识别技术已经取得了巨大的进步,现有的技术在理想状态下的识别率已经达到了很高的水平。但是由于人脸的不可控因素太多,所以现有的技术依然不能很好的应用于实际。在人脸识别技术中,识别的准确性直接取决于采取的特征提取算法的好坏,因此本文主要针对局部二值模式(LBP)的人脸识别进行研究。LBP算法是一种基于灰度变化的纹理描述,具有计算简单、易于推广、分类能力强等优点,并被广泛应用于人脸识别领域。但是LBP算子本身在人脸识别的特征提取和识别方面还存在着一定的局限性。为了解决这个问题,本论文主要完成了以下的研究工作:针对结合PCA与LBP的特征提取算法,由于PCA是一种无监督算法,故结合PCA与LBP的算法不能提取出有效的图像分类特征。而2DLDA算法是一种直接基于图像的有监督特征提取算法,不但避免了小样本问题,且计算速度快,故此本文提出一种结合2DLDA与LBP的特征提取算法。该算法首先对图像进行分块,对每块使用LBP进行编码并计算出相应的LBP直方图;然后为了使用2DLDA算法,构造出每个样本对应的分块LBP直方图矩阵;最后利用2DLDA算法求出投影矩阵。针对LBP算子提取人脸图像的表情特征信息时忽略了各相邻邻域点之间关系的缺点,本文提出了改进的LBP算法,该算法首先按照邻域点与中心像素点距离大小进行加权运算,然后通过增加比较各相邻邻域点之间的大小关系,得到全新的LBP算子值,并最终得到人脸特征直方图。改进之后的LBP算法描述的表情纹理图像会更均匀,能更好的描述人脸图像。进一步基于改进的LBP算法,本文提出了结合改进的LBP与2DLDA的特征提取算法,该算法不但有效地降低了特征维数,且取得了较好地识别结果。