本文主要研究内容

本文主要研究内容有以下几个方面： 第一章为绪论，简单介绍了课题背景和研究内容。

第二章阐述了人脸识别技术的基本概念和步骤，简单介绍了几种常用的基于全局特征的人脸识别方法和基于局部特征人脸识别方法。

第三章介绍了Gabor小波特征，包括Gabor小波的定义、Gabor滤波器和基于Gabor小波的局部特征提取。

是实验部分，包括人脸库展示、特征提取结果和提取结果分析。

......

本文主要研究了基于Gabor小波变换的人脸局部特征的提取，文中首先对Gabor变换的基本理论、方法和应用进行深入的讨论,然后介绍采用Gabor变换进行人脸特征提取的方法。

......

本文采用两个人脸库中的人脸图像，分别是ORL人脸库和耶鲁人脸库。

ORL数据库是英国剑桥大学拍摄的一系列人脸图像，一共有40个不同性别、年龄和种族的人脸对象。每个对象10幅图像，一共有400幅灰度图像。

Yale人脸数据库包含了15个人，每个人11张，共165张灰度的人脸图片，图片格式为gif。这些照片包含了人脸的各种表情和不同光照。如：右光、不戴眼镜、伤心、惊讶、中光、戴眼镜、微笑等。

......

实验分析

根据上述实验结果，人脸图像与Gabor滤波器组卷积之后，能够得到良好的人脸Gabor特征图谱。在实验一中，采用不同方向和尺度对同一张人脸图像进行特征提取。通过对比可以看出，采用的尺度和方向越多，提取得到的特征图谱越多，并且随着方向取值的变大，越突出人脸局部特征，方向较小时，依然只能看出人脸的整体特征。但是，随着尺度和方向取值的增多，计算量也变得十分巨大，不利于识别的实时性，因此在提取特征时，应该采用合适数量的尺度和方向。在实验二中，对不同人脸图像进行特征提取，可以看出不同的人脸之间的特征存在明显差异，有利于最终的识别。实验三、实验四和实验五分别对同一个人脸图像的不同外界条件下进行了特征提取，从图谱中可以看出，同一个人的人脸图像，在表情、光照、遮挡等不同外界条件下，都能够提取出具有十分明显的局部特征的图谱，这对最终的识别，是至关重要的。

综合上面几个实验，可以看出，通过将人脸图像与Gabor滤波器卷积后，提取到的人脸特征，在尺度较大时，具有明显的局部特征，并且对外界因素造成的影响如：表情、光照、遮挡等，具有较好的鲁棒性，适合应用于人脸识别中。

......

本文主要研究了利用Gabor滤波器与待识别人脸进行卷积，提取人脸Gabor特征。充分表现出Gabor小波的多分辨率分析的特点和在时间域和频率域都能有效地从信号中提取局部信息,具有表征信号局部特征的能力。相比较于其他特征提取方法，Gabor特征是基于Gabor小波变换的人脸特征，能够很好的解决外界因素对图像产生的影响，对外界因素的影响具有良好的鲁棒性。这一点已经有了足够的理论依据并实现。并且Gabor小波能够放大灰度的变化，因此，人脸的一些关键部位的局部特征也被强化，从而达到提高最终识别率的效果。