在当今人工智能飞速崛起的时代,生物特征识别技术凭借其可靠性和便捷性迅速获得广大人民群众的青睐。其中人脸识别技术更是因其精准的识别效果、友好的交互界面和较低的系统成本而受到广泛关注。人脸识别发展至今已历经五十余年,对于受控环境下采集的标准人脸识别技术已经比较成熟。但在现实环境中,由于各种因素的干扰,如光照、姿势等,采集到的人脸图像往往不如预期的完美,其识别结果也会相应受到影响。在这些干扰中,遮挡所引起的问题最为显著。对有遮挡图像提取出鲁棒细致的特征对于后续的分类识别有着非常重要的意义。由于全局性的特征提取技术会将局部遮挡带来的影响扩散到全局,因此局部特征提取技术更适合于遮挡图像。本文提出了三种有效的局部算子,分别是韦伯对称局部图结构(Weber Symmetrical Local Graph Structure,WSLGS),局部循环图结构(Local Cycle Graph Structure,LCGS)和局部方向纹理模式(Local Directional Texture Pattern,LDTP)。实验表明,相对于传统的局部算子来说,本文提出的算子对于遮挡人脸图像的识别效果更好。本文主要研究工作如下:第一,在韦伯局部描述子的启发下,提出了韦伯对称局部图结构算子。该算子采用5×5大小的邻域,通过在邻域内对角线方向构建图结构,并结合韦伯定律来描述人脸特征,可以有效获得图像的边界信息,对于不同姿态的人脸图像有较好的识别力。第二,在局部图结构算子的启发下,提出了局部循环图结构算子。通过在3X3大小的邻域内循环构建图结构,以简单的计算方式让中心像素和周围像素之间产生强联系,提取到更为细节的人脸图像特征,对于遮挡人脸图像识别效果更好。第三,在局部方向模式的启发下,提出了局部方向纹理模式算子。该算子引入Kirsch梯度模板算子,使计算得到的特征值包含梯度信息,并通过边缘返回值来确定计算纹理特征时的权重分配,巧妙地将梯度信息和纹理信息进行融合,使最终得到的中心像素的特征值同时包括梯度和纹理两部分特征,更具完整性。实验结果表明,相较于传统算子,局部方向纹理模式算子对遮挡人脸识别效果更好。