时频分析是信号处理中的重要手段之一。Gabor变换，又称短时或加窗Fourier变换，克服了传统Fourier变换在频域内无任何时域分辨力的缺陷，体现了信号的联合时频分析特性。在Heisenberg测不准原理下，它被证明具有最优的联合时频分辨率。同时，通过对人的感知系统的生理学特性研究表明，二维Gabor基函数能够很好的描述哺乳动物初级视觉系统中大多数简单视觉神经元的感受野特性。本文的目的是通过对图像信号进行基于Gabor变换的时频分析，开展特征提取方面的相关技术研究。本文工作的贡献体现在：1)从时频分析角度出发，对Gabor变换在二维的联合空间频率域的特性进行了分析。对其在掌纹识别方面的特征提取做了一定的尝试，利用其联合空间频率域的能量分布作为特征，得到较好的识别效果；同时还采用了传统的两通道小波和三通道小波来进行掌纹的低频特征提取，并使用支持向量机进行分类识别，得到很好的识别效果；2)利用具有多尺度、多方向优势的Gabor小波进行纹理图像检索，采用多个尺度、多个方向的Gabor滤波器提取纹理图像的尺度、方向的特征，得到较好的检索效果。本文主要包括以下几部分内容：介绍了复数Gabor变换的基本概念，其中包括临界采样和过采样的复数Gabor变换，为了提高运算速度，我们采用了运算速度较快的实数Gabor变换。通过分析实数Gabor变换和复数Gabor变换之间的关系，得出：复数Gabor变换系数可以由实数Gabor变换系数计算得到，且实数Gabor变换和复数Gabor变换一样具有联合时频域局部最优的特点，所以我们决定采用运算速度更快的实数Gabor变换。鉴于以多尺度和多方向著称的Gabor小波的广泛使用，我们介绍了Gabor小波的基本概念，并详细讲述了它的特点，为Gabor小波的使用提供了理论基础。简要回顾了掌纹识别的发展历程。掌纹识别作为一种重要的生物特征识别方法，其中的一个重要环节就是掌纹特征的提取。基于图像的复数Gabor变换系数在联合空间频率域的特点，因为实数Gabor变换和复数Gabor变换一样具有局部最优的特点，本文提出了一种利用实数Gabor变换提取掌纹能量特征的方法，并以此为基础采用欧式距离进行不同掌纹的匹配识别，方法简单而有效。然后，还使用传统的两通道小波变换和三通道小波变换提取掌纹图像的低频特征，使用支持向量机进行匹配识别，也得到了很好的识别效果。然后简要介绍了纹理图像检索的发展历程，对具有周期性和方向性特点的纹理图像，采用了具有多尺度和多方向优势的Gabor小波，提取纹理图像不同尺度和不同方向的特征，选取其均值和方差组成特征向量，使用加权距离进行纹理图像的检索，得到了很好的实验结果。