人脸识别是一种典型的模式识别问题，它涉及图像的分析、处理以及判别分类等方面。虽然已有长足的发展，但人脸识别仍是一项极具挑战性的课题。特征提取是人脸识别的关键部分，并在很大程度上决定了系统的性能。近年来，基于局部二值模型(LBP)的特征提取算法在人脸识别领域取得了较好的成绩，但仍存在一些问题有待解决。本文对此进行了深入的分析和研究，并在以下方面进行了改进：(1)为解决LBP对纹理特征提取不完善的问题，提出了完全局部三值模型(completedlocal ternary pattern, CLTP)方法。与传统LBP算法相比，该方法对光照变化较为鲁棒，特征提取也比较完善。其次，针对采用一致模式变换难免会造成一些有效特征丢失的问题，引进了汉明约束，并将CLTP与汉明约束进行融合。实验结果表明：汉明约束可以进一步提高CLTP的人脸识别率。(2)为解决特征提取造成的纹理损失问题，提出了融合Laws模板的CLTP算法。该算法首先通过使用Laws模板，提取出样本图像的大量特征；然后基于其中的有效特征进行CLTP提取。实验结果表明：合适的Laws模板能够增强图像的纹理特征，并能降低噪声对于图像的干扰。最后，为降低算法的特征维数，引进了局部保持投影(LPP)。实验结果表明，本文所提的算法效果较好。在ORL和FERET库上分别取得了99.5%和91.17%的识别率。