欧阳文，王 燕

（兰州理工大学 计算机与通信学院，甘肃 兰州 730050）

人脸识别由于其在公共安全、视频监控、身份鉴别、智能人机交互等方面的广阔应用前景以及对模式识别理论的发展具有重要的学术意义而备受关注，是模式识别的热门研究领域之一。在过去的几十年里，人脸识别技术取得了较大的发展，涌现出许多人脸识别方法，子空间方法成为当前人脸识别的主流方法之一，子空间方法中最为主要和流行的方法是主成分分析（Principal Component Analysis，PCA）[1-2]和线性判别分析（Linear Discriminant Analysis，LDA）[3]。

特征提取是人脸识别技术中一个基本而又十分重要的环节，在整个人脸识别过程中，特征提取扮演着尤为重要的角色，如何提取出稳定、有效的特征，并用最少的特征来表示尽可能多的人脸信息是人脸识别成败的关键。

Gabor展开是一种同时用时间和频率表示一个时间函数的方法，而求解Gabor展开系数的公式被称为Gabor变换。传统的Gabor变换的缺点是窗口尺寸一经确定就无法更改，因此不具有变焦特性，无法对信号进行多分辨率分析。为解决这一问题人们将Gabor理论同小波理论相结合，提出了Gabor小波[4]。Gabor小波具有小波变换的多分辨率特性，同时具有Gabor函数本身所具有的局域性和方向性。目前Gabor变换和Gabor展开已被公认是信号与图像表示的最好的方法之一。Gabor变换中要解决的最基本问题是：在给定综合窗下如何求解分析窗及Gabor变换系数。

Turk[1-2]于1991年提出了著名的特征脸方法（Eigenface），将主成分分析（PCA）应用于人脸识别，通过提取人脸图像的主成分进行识别。……