人脸识别技术作为计算机视觉和模式识别领域的研究热点,是一个具有重大理论研究意义和巨大应用价值的研究课题,涉及到人工智能、图像处理、神经网络等多方面的内容。随着社会的发展与科技的进步,社会对人脸识别技术的需求日益增加,准确而快速的人脸识别技术有着越来越广阔的应用前景。人脸识别是一个复杂而具有挑战性的研究课题,复杂性来自两个方面,一方面是人脸自身的变化,如人脸姿态和表情的变化以及年龄不同引起的变化,另一方面是背景的变化,如光照的变化。特征提取作为人脸识别中的关键技术,是人脸识别技术的研究核心,也是研究难点。好的特征提取技术要满足以下两点：①增强算法对姿态、表情、光照和尺度等变化的鲁棒性；②考虑到算法整体性能,计算复杂度不能过高。本文研究的重点也是放在如何快速提取有效特征上。因为环形对称Gabor变换相对于Gabor变换具有数据冗余度小和严格的旋转不变性的优点,所以本文选用环形对称Gabor变换来提取特征。论文主要工作为：对CSGT进行了深入的研究,提出了多种基于CSGT的多尺度特征融合方案,在以上研究的基础上提出了基于CSGT的人脸识别方法,基本思路就是对人脸图像进行CSGT,并在变换域进行多尺度特征融合,然后用子空间方法对融合后的特征进一步提取特征,最后用分类器分类。主要内容包括：(1)深入研究了CSGT,分析了不同参数对环形对称Gabor函数的影响,提出了5种基于CSGT的多尺度特征融合方案,并对融合后的特征进行分析,最后选择了3种识别效果较好的融合特征进行实验。(2)提出了基于CSGT+PCA+SVM的人脸识别算法,该方法先对图像进行CSGT,并用多尺度特征融合方法进行特征融合,选用经典的PCA方法对融合后的特征进一步压缩,最后用SVM进行分类。在此方法中选用的多尺度特征融合方法为平均图法和最大值图法,用这两种方法融合后得到的特征图像与原图像大小一致。在ORL人脸库和FERET人脸库上进行实验,实验结果证明了本文所提出的基于CSGT的多尺度融合特征的有效性及本文所提出的算法的可行性。(3)对一种模板大小随尺度变化的CSGT进行了研究,并将其与固定模板的CSGT都用在了实际实验中。(4)提出了基于CSGT+2DPCA+NN的人脸识别算法及基于CSGT+2DPCA+SVM的人脸识别算法。在这两种算法中,我们先用多尺度特征融合方案构造特征图像,然后用2DPCA方法进一步提取分类特征。在CSGT+2DPCA+NN的人脸识别算法中,我们对可变模板的CSGT和固定模板的CSGT分别做了实验。在基于可变模板的实验中根据融合方案的不同提出三种方法即*CSGT1+2DPCA、*CSGT2+2DPCA、*CSGT3+2DPCA,它们对应的融合方法分别为最大值图法、平均图法和5尺度上下连接的融合法。在基于固定模板的实验中,我们只对使用最大值图法融合得到的特征图进行了实验,该方法记为CSGT1+2DPCA。在ORL人脸库和FERET人脸库上进行实验,并将4种方法与己存在的其它相关方法进行了比较,通过比较得知,本文所提出的算法不但计算简单,而且能取得更好的识别效果。在CSGT+2DPCA+NN算法的基础上,提出了CSGT+2DPCA+SVM算法,并与CSGT+PCA+SVM方法进行了对比。在ORL和FERET人脸库上的实验结果表明,相比与CSGT+PCA+SVM方法,CSGT+2DPCA+SVM方法不但计算简单,耗时较少,而且具有更高的正确识别率。