人脸识别是人工智能领域中重要的研究课题。由于其在档案管理系统、安全验证系统、信用卡验证、公安系统的罪犯身份识别、银行和海关的监控、人机交互等领域具有广阔的应用前景,因此得到了研究者们广泛的关注。在过去的几十年内研究者提出了很多用于人脸识别的方法,但其在实际应用中的识别率和速度仍然难以满足人们的预期要求,特别是采集图像中存在光照变化、摄像方位变异以及其它干扰时。识别系统采集的原始人脸图像通常以网格像素的灰度值集合表示。孤立的像素灰度集合不能直接反映人脸的内蕴特征,引入适当的变换,将其映射到特征空间,然后进行识别处理是行之有效途径之一。由于Gabor小波变换具有良好的特性,它能够将相邻区域的像素联系起来,从不同的频率尺度和方向反映局部范围内图像像素灰度值的变化,因此基于Gabor小波变换的人脸识别技术是一种非常流行的方法。本文深入研究了利用Gabor小波变换进行人脸识别的理论、方法和技术,并针对Gabor小波系数具有冗余性,结合图像融合技术提出了基于Gabor小波系数融合的人脸识别新方法。本文的主要工作如下:(1)研究了小波变换理论和基于小波变换的图像融合方法。图像经过小波分解后得到一系列的低频和高频系数,低频包含了图像的主要特征,高频系数包含了图像的细节信息。针对这一特点,在低频区域采用加权平均法,在高频区域采用基于区域的方法。(2)研究了Gabor小波变换及其特性。Gabor小波变换是通过计算一组Gabor滤波器与图像上给定位置附近区域像素灰度值的卷积来实现的。Gabor小波是哺乳动物视觉皮层简单细胞接受场模型的良好近似,并且对脸部姿势和光照变化有较好的鲁棒性,从而可以保证人脸的特征提取。接着研究了Gabor滤波器参数的选择及其意义。(3)研究了弹性图匹配算法以及弹性束图匹配算法。弹性匹配算法是用二维网格来表示人脸图像,图中的节点用一组描述人脸局部特征的Gabor小波变换系数标示,将图像之间的比较变为网格间的比较。此方法的主要缺点时计算量大,图像冗余信息大,存储量大。弹性束图匹配算法则使用人脸特征点来表示人脸,这样直接把研究重点定位在感兴趣的区域,从而大大减少了图像的冗余信息,但是由于Gabor小波系数存在冗余,这一方法仍然存在计算复杂,运算量大的问题。(4)针对Gabor小波系数存在冗余这一缺点,我们结合图像融合算法提出了基于Gabor小波系数融合的人脸识别。实验结果表明我们的方法在一定程度上比没用采用融合的方法要好。