人脸识别是人工智能领域中重要的研究课题,在过去的几十年中,它得到了研究者们广泛的关注。由于人脸图像的Gabor小波特征的良好特性,基于Gabor小波的人脸识别技术是一种非常流行的方法。人脸识别是一门交叉学科,本文主要研究人脸识别的特征提取,并且就人脸识别中的单样本问题,提出了一种解决方案。本文利用一个复数在极坐标系中可以分解为幅值(magnitude)和幅角(argument)的特性,从人脸图像的Gabor小波表示中提取幅角特征,同时还给出了结合幅值特征和幅角特征的人脸图像的Gabor小波表示的分布图。对于单样本问题,利用幅值特征和新提取的幅角特征,本文提出了基于丰富Gabor特征的主成分分析(Enriched Gabor feature based Principal Component Analysis, EGPCA)算法。基于EGPCA算法,本文实现了一个人脸识别系统,并把EGPCA同( PC )2AE (PC)2A, ,SVD Perturbation三种算法作了比较。在FERET人脸库上的实验结果表明,在人脸识别中,每个人只有一张训练图像的情况下,EGPCA算法可以达到89.5%的识别率,这要比其他的三种算法要好。为了比较幅角特征和相位特征在人脸识别中的作用,本文将这两种特征运用到基于FERET和ORL人脸库的人脸识别的实验中。在两个人脸库上的实验都表明,幅角特征要优越于相位特征。