1、統(tǒng)計(jì)模式識別方法現(xiàn)在已經(jīng)成功地被應(yīng)用到了很多目標(biāo)識別的問題當(dāng)中，其中一個(gè)經(jīng)典的例子就是應(yīng)用于人臉識別，這也是模式識別領(lǐng)域的一個(gè)重要研究方向。其中基于主成分分析(PCA)和線性鑒別分析(LDA)就是十分具有代表性的基于統(tǒng)計(jì)的人臉識別方法。而Gabor小波變換系數(shù)作為人臉特征所完成的人臉識別具有良好的視覺特征和生物學(xué)特征，被廣泛用于人臉特征提取。本文針對兩類經(jīng)典識別方法在具體應(yīng)用中體現(xiàn)出的不足之處，進(jìn)一步將人臉圖像的Gabor特征和PCA算

2、法以及LDA算法相結(jié)合并改進(jìn)，提出兩種新的算法進(jìn)行人臉識別，以期達(dá)到提高識別率的目的。
　　 本文研究工作主要圍繞以下2個(gè)方面進(jìn)行：
　　 第一，在傳統(tǒng)的Gabor-LDA算法上，提出自適應(yīng)加權(quán)Gabor-LDA。算法首先對人臉圖像進(jìn)行Gabor小波變換，然后對得到的特征向量使用改進(jìn)的主成分分析方法(PCA)變換降維，在降維后的子空間內(nèi)，根據(jù)樣本與同類樣本間的距離賦予該樣本一權(quán)值，再用加權(quán)后的樣本求取類均值，以新的類均值

3、重建類內(nèi)散布矩陣和類間散布矩陣，從而改進(jìn)了線性鑒別分析(LDA)判別函數(shù)，有效的解決小樣本情況下訓(xùn)練樣本類均值偏離類中心的問題。
　　 第二，在Gabor小波、二維主成分分析(2DPCA)、二維線性鑒別分析(2DLDA)的基礎(chǔ)上，對Gabor-2DLDA人臉識別方法進(jìn)行研究。算法首先對人臉圖像進(jìn)行Gabor小波變換，在降維的子空間內(nèi)，然后進(jìn)行2DLDA處理，最后使用最近鄰法則進(jìn)行分類。
　　 本文以O(shè)RL和Yale人臉數(shù)