人脸识别技术在公共安全和日常生活中有着非常广泛的应用，也是近几十年来模式识别与计算机视觉领域的研究热点问题之一。但是在实际应用中，人脸图像是在非约束条件下采集的，并且采集到的训练样本有限，在这种条件下，人脸识别系统的性能就会受到很大的影响。要开发出真正鲁棒、实用的自动人脸识别系统就需要研究人脸图像在各种非约束环境下最有效、最具有鉴别力的特征提取算法。局部二值模式（Local BinaryPattern, LBP）是一种高效的局部特征描述算子，作为一种无参数的描述算子，其受到了越来越多的关注并在人脸识别领域取得了很大的成功。本文针对LBP算子仅提取一阶无方向特征的不足，引入了四个方向的高阶差分的ULDP算子，并结合预处理方法应用于人脸识别领域。另外，针对LBP算子的阈值完全依赖局部区域的中心像素的缺陷，本文提出了自适应阈值的局部三值模式（Adaptive Local TernaryPattern, ALTP），通过计算局部区域像素的的均值和方差，自动生成区域的阈值。在几个常用人脸库中的实验结果表明，本文中的ULDP和ALTP对于非约束环境下的人脸识别当中特别是具有光照变化的人脸识别都具有良好的鲁棒性。