人脸识别技术涉及到图像处理、模式识别、信号处理、人工智能等多门学科,还与人脑的认知科学紧密相关,是一个富有挑战性的课题。近年来,随着计算机技术的飞速发展以及计算机应用的日益普及,人脸识别因其广泛的应用前景而成为模式识别、图像处理等领域的研究热点。局部二值模式(LBP)是一种灰度范围内的纹理描述方式。本文对LBP进行深入地分析与研究,并且针对LBP变化单一的缺点,提出了一种基于多阈值局部二值模式(MTLBP)的人脸识别方法。首先计算图像中每个像素点与其局部邻域点的灰度差,通过选择不同的阈值编码形成MTLBP,然后采用多区域直方图向量进行人脸特征描述,最后模糊化多阈值匹配结果进行人脸识别。在人脸数据库上的实验结果显示,MTLBP方法对表情、背景、距离等变化都具有较好的鲁棒性。本文还探讨了分块加权技术在人脸识别中的应用,提出了一种熵加权局部二值模式(EWLBP)的人脸识别方法,通过引入信息熵对信息量的描述,在LBP编码并将人脸图像划分为多区域的基础上,计算不同分块区域的熵值,以此在特征匹配时对相似度加权,达到提高识别率的目的。在人脸数据库上的实验表明,EWLBP方法能有效地提高在光照、饰物、年龄等变化时的识别率。