人脸识别技术是生物特征识别领域的一项关键技术,它广泛应用于身份识别,信息安全,人机交互等领域。人脸特征提取是人脸识别技术的关键环节,它直接影响着最终的识别效果。Gabor小波可以模拟哺乳动物视觉体系中视觉神经元的感知特性,描述图像在不同尺度和方向上的局部信息,从而可以有效用于人脸特征提取算法中。因此,本文主要研究基于Gabor小波变换的人脸特征提取方法。Gabor小波能够捕获人脸图像多方面多角度的细节信息。一方面,人脸图像经Gabor小波变换之后,会在5个尺度8个方向上共产生40个子带输出。如果训练样本比较多,那么运算量和存储量将是非常庞大的。另一方面,图像经Gabor变换输出的庞大数据中自然也包括一些影响识别率的负面信息。因此,如何对二维Gabor小波变换后高维特征矩阵进行降维将是本文的研究核心。本文首先介绍了人脸识别的研究背景、意义、国内外研究现状、人脸数据库和主要的研究内容。然后,研究了基于HG2DPCA的人脸特征提取方法。针对HPCA人脸识别算法识别性能不理想进行改进,给出了改进的HGPCA方法进行特征提取和降维。为了进一步降低PCA处理时将图像按列拉伸产生高计算量的问题,给出了改进的HG2DPCA方法进行人脸特征提取。实验数据验证改进算法的有效性,说明Gabor小波的引入能够很好的提高算法的识别性能。改进算法虽然识别率比较高,但是其存在一定的时间开销。尽管HG2DPCA算法选择下采样技术和2DPCA算法进行特征数据降维,但是计算量还是比较大,需要进一步研究。最后,讨论了基于Gabor幅值统计特性的人脸特征提取方法,针对其光照鲁棒性比较弱的特点,给出了加入相位改进的Gabor幅值统计人脸特征提取方法。图像经Gabor小波变换后的相位特征不仅可以充分反应图像的局部特征,而且对光照有很强的补偿能力,因此在特征提取时相位特征是必不可少的。在Matlab实验平台上进行算法设计与实现,实验结果可以充分验证改进算法在识别性能上的优越性。