随着国防安全和社会公共安全需求的不断增长，人脸识别作为一种非接触式的生物特征识别方法受到了极大的重视。目前人脸识别中，人脸特征的描述是其中关键的步骤。尽管传统的利用机器学习的方法从构成人脸图像的像素中挖掘特征进行人脸识别取得了很大的成功，例如主成分分析(PCA)和线性鉴别分析(LDA)等子空间方法。但是研究表明这类基于图像整体像素的特征提取方法往往需要对人脸图像进行精确的对齐，同时对人脸的光照、姿态、模糊、分辨率等变化的健壮性较差，无法满足非接触式人脸识别的实际应用需求。因此，近年来，为了增强特征的健壮性，研究者们试图通过一定的变换将像素特征转换为一些低级的视觉特征，以便后续的进一步处理。Gabor和LBP作为两种经典的特征描述方法，在描述人脸图像纹理特征方面取得了较好的效果。然而，当图像受到模糊或者光照变化的影响时，Gabor和LBP特征描述方法性能会急剧下降。本文以挖掘对光照和图像模糊具有健壮性的人脸低级视觉特征描述为目的，研究了Gabor和LBP特征描述方法，并结合局部相位量化(LPQ)和方向边缘幅值模式(POEM)对图像模糊与光照变化条件下的人脸特征描述方法进行了深入研究。论文主要进行以下几个方面的研究工作：①研究了Gabor和LBP两种经典的人脸特征描述方法。模拟人类简单细胞感受野的Gabor特征能获得对人脸不同方向和不同尺度的描述，在人脸识别方面取得较好的效果；局部二值模式在表征图像的纹理细节特征方面具有很大的优势，并且LBP特征对图像的整体光照变化具有较好的健壮性。②为了增强人脸识别对人脸图像模糊的健壮性，在研究图像模糊纹理描述方法——局部相位量化(LPQ)的基础上，参考LBP的分块策略，介绍了一种分块局部相位量化方法(MBLPQ)。该方法不仅具备了原始局部相位量化(LPQ)方法对对称模糊的人脸图像具有健壮性的优良特性，而且通过本文的分块策略使得该方法具有了从不同的观察粒度和分析粒度去描述模糊人脸图像的特性。③为了克服光照变化，尤其是非均匀光照对人脸识别带来的性能下降的不利影响问题，结合方向边缘幅值模式(POEM)，提出了相对梯度方向边缘幅值模式(RGPOEM)特征描述方法。该方法在得到人脸梯度图像的幅值和方向信息时考虑了非均匀光照对图像整体像素的影响，使获得的相对梯度信息更能反映人脸图像的本质特征，能够有效克服非均匀光照对人脸识别的影响。通过在FERET、Yale、PIE等国际通用的人脸库上的大量实验证实：本文介绍的两种特征描述方法的识别性能均优于当前的一些主流特征描述方法，是两种针对人脸模糊、光照等变化有效的人脸特征描述方法。