图像的Gabor特征(图像Gabor变换的系数)有着广泛应用。Gabor小波函数有二个参数：方向因子和尺度因子。通常，为了达到二维全频域的覆盖，一幅图像要进行40次Gabor小波变换(8种不同的方向因子×5种不同的尺度因子)。因此，图像的Gabor特征是很多的。目前，人们大都通过均匀采样的方法丢弃部分Gabor特征。但是，均匀采样的方法忽视了图像的Gabor特征随着尺度因子的不同而具有不同的频率成份的特点。　　 本论文注意到；对图像进行Gabor变换相当于进行对图像进行带通滤波，因此，图像的Gabor特征图都是带限的，根据Nyquist定理，人们可以通过采样去除图像冗余的Gabor特征。本论文还注意到：Gabor函数是一个高斯函数，其傅立叶变换仍然是一个高斯函数，而高斯带通滤波器的通带和过渡带的宽度都取决于方差，而方差又取决于尺度因子。因此，本论文提出一种对图像Gabor特征按照尺度因子进行非均匀采样的算法：方差较小时，忽略过渡带，以3倍方差做为图像Gabor特征的带宽，当方差较大时，由于过渡带太长，以2～2.5倍方差做为图像Gabor特征的带宽。另外，本论文根据尺度因子计算出来的周期的均值，也可以做为均匀采样的周期的依据。　　 多特征融合是人脸识别的重要方法。但是，多特征融合的前提条件是对各个特征的特异性有深刻的了解，否则，简单的堆切多个特征只会增加数据量，对提高人脸识别的准确率未必有帮助。图像Gabor特征的LBP特征是人脸识别中一个重要的特征，在一些标准的人脸图像数据库的实验取得良好的效果。但是，目前使用的图像Gabor特征的LBP特征大都是人脸图像的全局特征，本论文通过大量统计数据的分析，研究人脸图像Gabor特征的局部LBP特征，发现不同人的人脸图像在眉心、左右脸颊、左右嘴角部位的Gabor特征的LBP特征差别最大。因此，在人脸图像的多特征融合时，可以只取人脸图像这些局部区域的Gabor特征的LBP特征进行融合。