在各种生物识别技术中,人脸识别技术具有采集方便、不可复制、操作友好等优点,得到了广泛的应用。作为一种重要的生物特征识别技术,人脸识别技术仍然面临着不少亟待解决的问题。例如,如何选择合适的人脸特征,这对提高人脸识别性能具有重要的意义。LBP (local binary pattern)是一种灰度级的纹理描述算子,由Ojala等人在2002年提出。此后,LBP作为人脸特征被应用在人脸识别技术中。Ojala等人仅仅用LBP对一般的纹理图像进行了调查和实验,给出了关于LBP的一些特性。人脸图像是一种特殊的纹理图像,到目前为止好像还没有人对LBP算子在人脸图像上的特性进行过系统考察和研究。为了全面而系统地解明LBP算子在人脸图像上的特性,我们针对可见光及近红外光两种光谱下的人脸图像,从以下6个方面进行了研究：(1)LBP特征在几何归一化人脸图像中的分布；(2)LBP特征在几何和灰度归一化人脸图像中的分布；(3)人种变化与LBP特征分布的关联性；(4)归一化人脸尺寸变化与LBP特征分布的关联性；(5)灰度变化与LBP特征分布的关联性；(6)个体与整体的LBP特征分布的关联性。通过以上研究,我们在近4万多幅可见光及近红外光图像库中得出了以下重要结论：(1)U0和U2类型模式总共为58种,但它们覆盖了图像中约93%的信息。U4、U6和U。类型模式总共有198种,但是它们却仅覆盖了图像中约7%的信息；(2)U0和U2类型模式的概率分布方差比较大,而U4、U6和U8类型模式的概率分布方差比较小。这说明不同类型模式对描述纹理的稳定性是不同的；(3)LBP特征对光照变化具有较好的鲁棒性。最后,我们提出了一种带权重的改善型的LBP即权重型LBP。