本文借助ORL人脸数据库和PIE人脸数据库设计并进行了大量的实验,以此比较了基于Gabor特征的线性降维算法各模块的不同构成方式间的差异,讨论了光照变化和人脸姿态变化对基于Gabor特征的线性降维算法的影响.实验结果表明:1、对人脸识别来讲,Gabor特征能够比纯灰度信息更好的表示人脸图像特性;2、在训练样本较多时,Gabor+PCA+LDA算法比Gabor+PCA算法性能要好;3、如图像间光照变化不大,在用Gabor特征作为线性降维算法的输入情况下,预处理中采用直方图均衡化对提高识别率并无益处;4、如图像间光照变化很大,预处理中采用直方图均衡化对于提高基于Gabor特征的线性降维人脸识别算法的性能非常重要;5、无论是应用最近中心分类器还是应用最近特征线分类器,采用城区距离都比采用欧几里德距离更利于分类;6、测试图像的背景亮度和训练图像的背景亮度是否一致对基于Gabor+PCA的算法性能影响很大;7、姿态的变化对基于Gabor特征的线性降维算法性能影响很大。