穆晓敏，张嗣思，齐 林

(郑州大学信息工程学院，河南郑州450001)

0 引言

近几年，对于人脸表情识别已经有了广泛的研究.视觉图像特征被公认为是反映人类表情状态最重要的信息之一.表情识别的关键技术包括特征提取和分类器设计.Wang等人［1］利用Gabor小波提取视觉图像特征，并采用基于FLDA的分类器进行表情识别，平均识别率为49.29%.但是这种方法的计算复杂度较高，且识别率不高.分数阶傅里叶变换(FrFT)是近年发展起来的一种新型时频分析工具，类似于传统的二维傅里叶变换，2D-FrFT的相位函数包含了图像的纹理信息，变换阶次不同，相位函数所含的图像边缘信息也不同，这使得分数阶傅里叶变换可以更加灵活的用于图像的边缘提取和识别［2］.文献［2］首次将2D-FrFT应用于人类表情识别，其思想是将2D-Fr-FT若干阶次下提取到的图像相位信息进行分类识别，平均识别率达到54.17%.

分析文献［2］的实验结果，可以发现在二维分数阶傅里叶域内，不同表情的特征奇异性与变换阶次密切相关，因此不同表情的最高识别率将对应于特定的阶次;同一阶次下不同表情的识别率也与该阶次下表情特征的奇异性密切相关，因此同一阶次下不同表情的识别率也不同.基于上述分析，在不同阶次之间进行特征融合以取得更好的识别率成为可能.笔者在文献［2］的基础上，提出一种在分数阶傅里叶域内两个不同阶次之间进行特征融合的表情识别方法.该方法的思想是寻找两个对……