近年来，作为人脸识别技术的关键性挑战，研究者们至今没有找到一种能够克服姿态、光照等成像条件变化的识别方法。而被称为人脸图像不变性特征的纹理结构特征对外界条件变化的敏感度不高，因此，对以纹理结构为基础的提取人脸图像局部模式的研究具有深刻的意义。基于局部三值模式(Local Ternary Pattern，LTP)的人脸识别方法由于能够解决剧烈光照或复杂条件下人脸识别问题而备受关注，但在训练样本比较多时，LTP特征空间维数会变的很大，不仅给计算带来复杂性，而且降低了系统的识别速度；另外，LTP算子为了选择合适的阈值需要做大量实验验证，这对训练样本时间和识别率产生了极大的影响。本文通过对基于LTP特征空间的人脸识别系统的分析与研究，从图像的纹理特征出发，针对LTP算法的不足，采用自动阈值提取方法和(2D)PCA高维特征降维方法对其进行改进，具体的改进方案如下：首先，通过对LTP定义的分析，提出一种针对算子本身的自适应三值模式(Local Adaptive Ternary Pattern，LATP)，计算简单，提高LTP特征空间的分类性能。同时，根据LTP的计算推导过程，提出LATP的或运算编码方法，增强人脸的一些重要信息。其次，针对人脸识别中训练样本过多而导致特征空间高维性的问题，本文利用二维主成分分析法(2D)PCA对LTP高维的特征空间进行降维，降低了系统的识别时间，有效的提高了算子的实用性。最后，结合预处理方法、改进型LTP特征提取方法及(2D)PCA降维方法在标准人脸库上进行综合实验，以验证这些方法对LTP特征空间分类性能的改进和增强，并对实验结果进行比较和分析，表明了这些方法的有效性、正确性和可行性。