二阶局部导数模式是一种基于一阶局部导数变化的方向性编码方式。相对于局部二值模式，二阶局部导数模式能够提取出图像的更多细节信息。本文提出了一种融合 Gabor特征二阶局部导数模式的人脸识别方法。该方法首先利用 Gabor滤波良好的空间位置与方向选择特性，采用四个频率六个方向的 Gabor滤波器对图像进行滤波。其次，利用数据的类信息和邻接点信息，自适应地计算各频率和方向的权重，作为后续融合依据。然后，提取 Gabor滤波图像四个方向的二阶局部导数特征，采用主成分分析方法对各方向的二阶导数特征进行降维。最后，在识别过程中，结合权重信息融合各方向和频率的识别概率得出最终识别结果。实验结果表明本文算法能够有效地提取图像细节信息，较其他方法如主成分分析方法，线性判别式方法，局部二值模式算法和融合灰度二阶局部导数模式算法具有更好的识别性能。

本文提出了一种提取人脸图像的局部Gabor 相位特征，结合Fisher 线性判别式，通过特征融合进行人脸识别的方法。该方法首先利用Gabor 滤波良好的空间位置与方向选择特性，采用四个频率六个方向的Gabor 滤波器对图像进行滤波，然后根据Daugman 方法采用局部XOR 算子提取滤波图像的局部Gabor 相位特征，组成特征图像，最后通过Fisher 判别式对每个频率和方向下的特征图像进行降维，融合降维后的特征，采用最近邻分类器进行识别。该方法通过在两个数据库中的实验，证明了较主成分分析法，Fisher 线性判别式方法以及Gabor 幅值特征融合识别方法更好的识别性能。