图像特征提取是图像处理的重要环节,是解决图像分类、识别等一系列计算机视觉任务的基础。如今,图像获取技术的不断发展使得复杂条件下采集到的图像越来越多,人们对图像中的光照变化和遮挡等干扰因素对图像的特征提取影响的关注度越来越高。与图像的全局特征相比,图像的局部特征不仅能更好地表征细节信息还能很好地获取受各种干扰因素影响的真实图像特征。局部二值模式(LBP)和Gabor小波变换都有一定的局部信息描述能力,在特征提取领域应用广泛。本文主要以LBP和Gabor小波变换为基础,研究在光照、遮挡、姿态等变化因素干扰下的图像特征提取方法,具体工作如下:首先,本文分别介绍了基于LBP和Gabor小波变换的特征提取方法的基本原理。针对它们在特征提取中的问题,介绍了几种改进方法。在人脸识别领域对这些方法进行了实验仿真,分析了不同方法的优缺点,为后续的研究奠定了理论基础。其次,针对光照或遮挡等单一干扰导致特征提取方法提取效果差的问题,本文提出了基于子图关联性分析的Gabor小波变换图像特征提取方法(SCA-Gabor)。该方法利用CS-LBP的思想对Gabor小波变换得到的子图进行分析,结合CS-LBP和Gabor小波变换的优点,有效保留了Gabor小波子图之间的信息。该方法采用重叠分块和直方图的策略得到最终的特征向量,在提取了丰富的局部信息的同时降低了特征向量维度,在人脸识别领域的仿真实验证明了该方法的有效性。最后,在受光照、遮挡等多重干扰因素的影响下,本文结合二维离散小波变换(2D-DWT)和积分投影,针对不同的图像数据库采用固定的分块大小容易造成局部信息丢失的问题,提出了基于变化尺度分块的SCA-Gabor图像特征提取方法(VSSCA-Gabor)。该方法利用2D-DWT子带的物理含义,结合积分投影思想提取低频子带上的信息,对图像进行更有针对性地分块。经实验证明,所提的VSSCA-Gabor方法在人脸数据库中能够得到较高的识别率。