1.一種用于識別輸入圖像的模式的方法，包括如下步驟：
a)將所述輸入圖像歸一化為表示歸一化圖像的歸一化矩陣；
b)根據(jù)所述歸一化矩陣生成圖像向量；
c)使用矩陣向量乘法來將所述圖像向量與稀疏矩陣相乘以生成特征向量，其中，所述稀疏矩陣是根據(jù)Gabor函數(shù)生成的，所述Gabor函數(shù)是被乘以高斯函數(shù)的正弦波，以及，其中，所述Gabor函數(shù)是用于指示所述歸一化矩陣中的位置的至少一個變量以及參數(shù)集的函數(shù)，所述參數(shù)集包括：與所述正弦波的方向相關(guān)的參數(shù)、與所述Gabor函數(shù)的中心相關(guān)的參數(shù)以及與所述正弦波的波長相關(guān)的參數(shù)；
d)使用所述特征向量為預定模型列表創(chuàng)建概率密度；
e)將具有最大概率密度的模型選為最佳模型；以及
f)將所述最佳模型歸類為所述輸入圖像的模式，
其中，所述Gabor函數(shù)具有至少兩個中心；以及
其中，所述波長取至少兩個值，第一波長值小于或大體上等于所述Gabor函數(shù)的兩個相鄰中心之間的距離，并且所述第一波長值小于第二波長值且大于或大體上等于所述第二波長值的二分之一；
其中，所述模型通過協(xié)方差矩陣和均值向量來表征，
其中，所述概率密度通過如下公式來計算：
其中，符號r表示所述特征向量，符號∑表示所述協(xié)方差矩陣，符號μ表示所述均值向量以及k等于所述特征向量中的元素的個數(shù)；
其中，所述Gabor函數(shù)的所述參數(shù)集包括所述高斯函數(shù)的標準差，所述標準差所取的值小于所述Gabor函數(shù)的兩個相鄰的中心之間的距離且大于所述Gabor函數(shù)的兩個相鄰中心之間的距離的二分之一。
2.根據(jù)權(quán)利要求1所述的方法，其中，所有的非對角元素為零。
3.根據(jù)權(quán)利要求1所述的方法，其中，與所述正弦波的方向相關(guān)的所述參數(shù)是角度。
4.根據(jù)權(quán)利要求1所述的方法，至少兩個參數(shù)與所述Gabor函數(shù)的中心相關(guān)，其中，與所述Gabor函數(shù)的中心相關(guān)的所述參數(shù)使得所述Gabor函數(shù)的中心被均勻地間隔。
5.根據(jù)權(quán)利要求1所述的方法，其中，所述特征向量是近似的。
6.一種計算機程序產(chǎn)品，包括非易失性計算機可讀介質(zhì)，所述計算機可讀介質(zhì)中存儲有控制邏輯，所述控制邏輯用于使得計算裝置對輸入圖像中的模式進行識別，所控制邏輯包括：
a)第一計算機可讀程序代碼模塊，用于將所述輸入圖像歸一化為表示歸一化圖像的歸一化矩陣；
b)第二計算機可讀程序代碼模塊，用于根據(jù)所述歸一化矩陣生成圖像向量；
c)第三計算機可讀程序代碼模塊，用于使用矩陣向量乘法來將所述圖像向量與稀疏矩陣相乘以生成特征向量，其中，所述稀疏矩陣(303)是根據(jù)所述Gabor函數(shù)生成的，所述Gabor函數(shù)是被乘以高斯函數(shù)的正弦波，以及，其中，所述Gabor函數(shù)是用于指示所述歸一化矩陣中的位置的至少一個變量以及參數(shù)集的函數(shù)，所述參數(shù)集包括：與所述正弦波的方向相關(guān)的參數(shù)、與所述Gabor函數(shù)的中心相關(guān)的參數(shù)以及與所述正弦波的波長相關(guān)的參數(shù)；
d)第四計算機可讀程序代碼模塊，用于使用所述特征向量來為預定模型列表創(chuàng)建概率密度；
e)第五計算機可讀程序代碼模塊，用于將具有最大概率密度的模型選為最佳模型；以及
f)第六計算機可讀程序代碼模塊，用于將所述最佳模型歸類為所述輸入圖像的模式，
其中，所述Gabor函數(shù)具有至少兩個中心；以及
其中，所述波長取至少兩個值，第一波長值小于或大體上等于所述Gabor函數(shù)的兩個相鄰中心之間的距離，并且所述第一波長值小于第二波長值且大于或大體上等于所述第二波長值的二分之一；
其中，所述模型通過協(xié)方差矩陣和均值向量來表征，以及，其中，所述概率密度通過如下公式來計算：
其中，符號r表示所述特征向量，符號∑表示所述協(xié)方差矩陣，符號μ表示所述均值向量以及k等于特征向量中的元素的個數(shù)；
其中，所述Gabor函數(shù)的所述參數(shù)集包括所述高斯函數(shù)的標準差，所述標準差所取的值小于所述Gabor函數(shù)的兩個相鄰的中心之間的距離且大于所述Gabor函數(shù)的兩個相鄰中心之間的距離的二分之一。