人脸特征提取是人脸识别的关键。它是对模式所包含的输入信息进行处理和分析,将不易受随机因素干扰的信息作为该模式的特征提取出来,具有提高识别精度、减少运算量和提高运算速度的作用。人脸由于受光照、表情以及旋转姿态等因素的影响,使得对其进行正确的认别有一定的难度。因此,人脸特征提取也是人脸识别的主要难点所在,注重鲁棒性同时兼顾效率的人脸特征提取技术一直是研究的热点。本文从人脸图像的纹理特征考虑,对局部二值模式(LBP)特征进行了分析与研究,针对LBP特征中存在的局限性提出了改进,本文的工作主要有以下两方面：(1)针对传统的LBP算子中P值不同而描述的纹理信息详尽不同提出了改进。改进的5×5算子将2层共24个像素点简化成12个新的像素点,比传统的3×3算子包含了更多的信息,同时又比传统的5×5算子对空间和时间的消耗低。对于中心像素点,改进的算子考虑了它周围4个像素点的信息。对实验结果的分析与对比表明,本文提出的改进算子比传统的算子描述的特征具有更好分类性。(2)为了提取直方图向量中最有效的鉴别特征,对LBP直方图向量中各元素的值进行分析,本文提出了LBP特征与具有统计不相关性的鉴别准则相结合的方法(LBP+SUMSDC方法)。把LBP直方图向量看作模式通过最佳鉴别矢量集投影到不相关投影空间得到新的特征向量,使新的特征向量具有同类的可分性最小,不同类的可分性最大。对实验结果分析与对比表明,本文的LBP+SUMSDC方法明显优于LBP方法,方法具有有效性。