以提升人脸特征提取和识别的性能为目标，提出了一种新型局部特征提取方法——基于韦伯定律的彼得森图局部人脸特征模式(WPLFP)。该方法巧妙地将韦伯定律融入紧凑的编码方案中，通过定义韦伯-彼得森数来精确表征目标像素与其邻域像素之间的结构信息。在特征提取过程中，WPLFP算法在中心像素的5×5窗口内有序应用彼得森图的四种空间排列，实现了对像素间复杂结构关系的全面捕获。为了深化特征提取的层次，还结合了局部二值模式和邻点到中心差异二值模式，进一步提取出邻域的深层复杂结构特征。此外，通过整合水平和垂直方向上的单尺度描述符WPLFPv和WPLFPh的直方图，构建了一个多尺度的WPLFP,该模型能够捕捉不同尺度下的结构信息，从而提高了特征提取的准确性和鲁棒性。实验结果表明，无论是单尺度还是多尺度的WPLFP,其性能均显著优于当前主流的局部特征提取算子，充分验证了WPLFP在人脸特征提取和识别领域的有效性和优越性。这不仅证实了所提算法设计的成功，也进一步展示了基于人类心理学定律进行图像处理和特征提取的巨大潜力。