随着人类社会的发展,身份鉴定和安全问题越发显得重要。人的生物特征,主要包括人脸、虹膜、指纹、静脉、声音等,这些生物特征都是每个人类个体区别于其他个体所独有的,将这些特征进行研究能很好的进行人的身份鉴定和识别。Gabor变换是一类相当优异的特征提取算法,将Gabor变换与小波变换结合,可以有效的提高识别精度,但是这两类算法都存在着识别时间过长的问题,将DCT算法引入识别流程里,可以有效的减少识别时间,同时识别率依然很可观。Gabor变换的思想,与人类视网膜识别事物的方式很类似,因此成为人们研究其的主要原因。Gabor小波变换是一类小波变换,但是继承了Gabor变换的优点,其思路就是对整个图像进行卷积,把图像的每个像素都考虑进去,这就不会落下任意一个可能的特征点,这样做的好处就是识别率一定不会偏低。但是,正因为Gabor变换考虑的是所有像素,而大多数像素并不是特征点,这就相当于做了很多的无用功,使得识别时间偏长。DCT算法的优点就是将图片进行有效压缩,并且可以去除图片之间的相关性,这点可以很好的弥补Gabor变换的缺点。先利用DCT算法对图片进行处理,使得图片的能量主要集中在左上角部分,实际上也就是将特征点和非特征点有效的区别开,再截取左上角部分进行Gabor小波变换,这个过程实际上就是截取图像的主要特征点,去除绝大部分的非特征点,这样做的好处是使得识别时间得到一定的降低,减少了一些工作量。人脸识别主要考虑光照、姿态以及遮挡物(比如佩戴眼镜)等的影响,改进的Gabor小波变换在解决这些影响时,具有一定的优势。虹膜识别的预处理工作是一个难点,相关算法多但实用的有限,包括虹膜定位及归一化处理,也即虹膜的前期处理部分是虹膜识别的关键部分。指纹识别的预处理同样是一个难点,预处理过程包括指纹的增强和细化,这个过程同样是指纹识别的关键部分。总之,通过对人脸识别、虹膜识别和指纹识别的研究,利用改进的Gabor小波变换与未改进的进行比较,可以发现改进算法能有效的缩短识别时间,同时保持很可观的识别率。