局部二值模式LBP描述子是一种非常有效的图像特征提取方法，近年来被广泛应用到模式识别中。虽然已经有大量工作对基于LBP的人脸识别进行了研究，但是这些方法仍然存在一些不足和改进之处。本文针对灰度图像和彩色人脸图像LBP描述子展开深入研究，提出了五种改进的人脸图像特征提取方法。本文的主要工作有以下四方面：　　针对现有基于边缘方向的LBP特征提取方法中没能够充分利用边缘方向信息，提出了一种基于Kirsch边缘检测模板的灰度人脸图像局部边缘方向-纹理描述子LEDTD。在LEDTD中，首先计算每个方向的边缘卷积响应，提取每个像素点的最小和最大边缘响应方向特征;然后，在多方向框架下利用局部二值编码方法提取基于边缘方向的局部纹理特征;最后，边缘方向特征和边缘方向纹理特征的联合统计形成LEDTD。与其它相关方法相比，LEDTD不仅包含了图像的边缘方向信息而且还包含了基于边缘方向的纹理信息，从而增强了图像表达能力。　　针对现有基于一阶里斯变换的LBP特征提取方法中只能提取图像中的一维本征维数结构信息，而且没有考虑不同变换之间的互相补充关系，提出一种基于多阶里斯变换的灰度人脸图像里斯二值模式RBP描述子。在RBP中，使用多尺度多阶里斯变换提取更复杂的本征维数结构信息;对每个里斯变换结果用局部二值编码方法生成里斯局部二值码;充分利用多阶里斯变换结果之间的相互补充关系，对同一像素的不同变换结果进行编码生成里斯全局二值码;里斯局部二值码和里斯全局二值码融合形成RBP描述子。　　现有LBP及其改进方法都是对局部区域中心像素点与其邻域像素点之间的一阶或二阶等整数阶导数信息做的编码。作为对常用的整数阶导数的扩展，分数阶导数能比整数阶导数更能提取出有效的图像分类特征。对此首先提出了完全局部分数阶导数特征向量，然后在此基础上提出两种基于完全局部分数阶导数特征向量的灰度人脸图像描述方法。第一种方法是完全局部分数阶导数特征向量量化模式fVQP描述子。fVQP描述子主要是对图像提取的完全局部分数阶特征向量使用向量聚类量化的方法生成像素模式编码值。向量量化编码方法比LBP中采用的标量量化编码方法具有更强的噪声鲁棒性，同时空间复杂度是可设置的。第二种方法是基于多级Fisher向量的局部多结构完全分数阶导数特征向量高阶统计图像表示方法mFVFD。mFVFD对fVQP做了进一步的改进，提取了图像像素局部多结构特征、并且是对完全分数阶导数特征向量的多阶Fisher向量高阶统计。　　针对LBP描述子只能提取单通道图像的纹理特征，提出一种彩色人脸图像完全彩色局部二值模式CCLBP描述子。CCLBP包括软颜色标签和颜色局部相似码两种彩色图像信息。其中，图像软颜色标签是对彩色图像像素颜色信息的量化;而颜色局部相似码使用新定义的中心点与邻域像素点颜色特征向量相似性的二值化编码方法提取彩色图像的彩色纹理特征。