1、人臉識別技術(shù)可以應(yīng)用于軍事、金融、公共安全等領(lǐng)域。特征提取算法是人臉識別技術(shù)中的核心部分，它會直接影響到識別效果。近年來，局部二值模式(Local binary pattern,LBP)及其擴展方法在人臉識別中得到了廣泛應(yīng)用。本文在深入研究這些LBP及擴展算子的基礎(chǔ)上，提出了改進方法。本文主要內(nèi)容如下：
　　1.針對局部二值模式在圖像處理與人臉識別方面表現(xiàn)出的實際應(yīng)用價值，系統(tǒng)綜述了當前LBP算子在不同應(yīng)用領(lǐng)域的擴展方法。首先，簡

2、要概述了LBP算子的基本原理；其次，從鄰域拓撲結(jié)構(gòu)角度、降低噪聲影響角度、編碼角度、降維角度與獲取旋轉(zhuǎn)不變性角度等五個方面對LBP算子近年來的相關(guān)擴展方法進行了詳細梳理和歸納總結(jié)；最后，分析了各類方法的相互關(guān)系與存在的問題，并指出了未來針對LBP擴展的研究方向。
　　2.針對局部五值模式(Elongated Quinary Pattern，EQP)采用全局閾值定義造成對圖像灰度變化敏感以及在人臉識別中對圖像不同分塊同等對待的問題，

3、提出了REQP(Robust EQP)算子。首先，通過自適應(yīng)方法來設(shè)置閾值，以提高其對圖像灰度變化的魯棒性；其次，通過特征塊加權(quán)處理，融入了每個分塊結(jié)構(gòu)對比信息，以突出不同分塊的不同作用。在YALE、ORL人臉庫實驗結(jié)果表明，新方法明顯提高了EQP算子的識別效果。
　　3.針對REQP算子提取的特征中有許多冗余數(shù)據(jù)，首先采用特征選擇方法進行降維處理；其次，基于Adaboost算法及降維后的二值模式特征實現(xiàn)了人臉識別。在YALE、O