人脸识别由于具有友好、非侵犯性等优点,一直是科研人员的研究热门领域。目前,人脸识别技术已经比较成熟,在金融、交通、安保、医疗、教育等领域都得到了广泛的应用。人脸识别特征提取算法从全局特征到局部特征不断的在改进。对于局部特征提取而言,局部二值模式(Local Binary Pattern,LBP)算子特征提取识别效果好并且原理简单,作为其改进型的局部方向模式(Local Directional Pattern,LDP)算子不仅继承了局部二值模式的所有优点,并对光照、噪声等表现更鲁棒。论文将从LDP算子的角度出发,提出几种多特征融合的人脸识别算法。论文主要研究内容有:(1)提出一种双运算局部方向模式(Double Operation Local Directional Pattern,DOLDP)的人脸特征提取算法。首先,将经过预处理的人脸图像提取3×3领域像素块,与8个不同方向并固定模板半径的Kirsch算子卷积,得到相应的3×3大小边缘响应值;然后,将其按照逆时针方向前后分别作差和作和,得到两组3×3大小和相应方向的边缘响应差值和和值。最后,将两组相应的边缘响应值的位置编码并求绝对值,再取各组值中最大值所对应的位置编码,构成一个二位八进制的DOLDP码。在YALE、ORL、AR和CAS-PEAL人脸库上的实验结果表明:该方法将和值空间和差值空间人脸特征信息结合,取得了更好的识别效果;和值空间人脸特征信息较强度空间起到了平滑作用,对光照、表情、遮挡、噪声等情况表现出更强的鲁棒性。(2)提出一种多级局部方向模式(Multi-level Local Directional Pattern,MLLDP)的人脸特征提取算法。首先,将经过预处理的人脸图像提取3×3领域像素块,与固定模板半径和方向的Kirsch算子进行第一次卷积,得到相应的3×3大小边缘响应值,再将其与同样的Kirsch算子进行第二次卷积,得到另一组对应的3×3边缘响应值;然后,将两组边缘响应值,分别按照以中心像素点对称比较大小的方式进行编码,最后,构成一个8位二进制数编码,再采用统一不变模式的方法将模式数降到59,形成MLLDP码。在YALE和ORL人脸库上实验结果表明:该方法将多级人脸特征通过算子融合的方式,在不增加特征维度的前提下,取得了更好的识别效果。