人脸识别技术作为多学科领域的具有挑战性的难题应用于生活的方方面面,对该问题的深入研究与解决有利于促进相关学科的发展,具有重大的学术研究和实践应用价值。人脸识别算法的优劣,很大程度上取决于人脸的特征提取和精准表示,良好的人脸表示可以使最简单的分类器达到最好的识别效果。Gabor变换(GT)与人的视网膜神经细胞的接受场模型具有惊人的相似性,是一种非常好的特征提取算法。但是,传统的基于GT的人脸特征提取算法有多方面的不足,如：特征维数高,识别耗时,抗干扰能力弱等。因此,本文采用一种变形的GT,即环形对称Gabor变换(CSGT),用于人脸的特征提取研究。CSGT不仅具有GT的一般性质,而且具有冗余度小、旋转不变性等优点。为了充分利用CSGT的特性,进一步提高人脸特征提取的准确性和实际运用的灵活性,本文对CSGT特征进行优化选择和融合,提出了两种基于CSGT的改进算法—CSGT纹理统计特征(CSGT-WMT)算法和CSGT多通道纹理加权(CSGT-TSF)算法。最后,对降维算法进行改进,高效地实现了人脸识别。本文的主要研究成果包括以下几个部分：1.详细介绍并实现了经典的人脸识别系统。本文首先采用主成分分析法(PCA)实现了人脸识别；然后,详细介绍了GT,包括：核函数、参数选择、特征提取等；最后,使用常用的改进算法GT+PCA进行人脸特征提取,实验仿真并实现了基于GT的人脸识别。2.通过理论和实验验证了CSGT的特性。由于针对CSGT的以往的研究较少,因此本文对其进行了系统的理论分析,从多个角度将CSGT性能与GT进行了实验仿真比较,仿真并实现了CSGT的人脸特征提取。3.提出了CSGT纹理统计特征(CSGT-TSF)算法。CSGT特征的数据量是原始样本的五倍,有必要对CSGT特征进行优选。本文将纹理图像检索的纹理统计特征(TSF)提取方法与CSGT相结合,提出了CSGT-TSF算法。该算法使用统计特征,有效解决识别的“误配准问题”；结合子图像的处理方式,充分获取CSGT的鲁棒局部纹理特征；构建了重要且利于识别的人脸图像多通道纹理特征。实验结果验证CSGT-TSF可以有效降低CSGT特征维数,识别性能优于CSGT、GT和其它经典算法。4.提出了CSGT多通道纹理加权(CSGT-WMT)算法。在CSGT-TSF算法的基础上,为了克服级联算法的缺陷,区分不同通道纹理统计特征的重要性,本文提出了CSGT-WMT人脸特征提取算法。该算法采用自适应加权融合,动态调整不同通道特征的权值,融合得到最具鉴别能力的特征。实验结果表明,CSGT-WMT相比CSGT-TSF、CSGT和其它改进算法,识别率高,识别时间少,对光照、姿态、局部形变等干扰具有很好的鲁棒性,灵活适应于不同的人脸库,具有很好的分类性能和实际应用能力。5.提出了基于PCA加权(WPCA)降维的人脸识别算法。将经典的PCA降维算法改进为WPCA,从而提出了CSGT-TSF+WPCA和CSGT-WMT+WPCA两种联合的人脸识别算法。通过实验验证了联合算法具有降维效果好、抗干扰能力强、识别率高等优点。