基于分数阶傅立叶变换的人脸表情识别

人脸表情(情感)识别技术在许多领域有着潜在的应用价值,本项目拟将分数阶傅立叶变换这一新兴的信号处理工具引入人脸表情识别技术中，进行人脸图像的表情特征的提取，进而进行人脸面部表情的分类和识别。基本思路是：选择一种适用于人脸面部表情识别的二维离散形式的分数阶傅立叶变换算法，应用该算法对人脸面部表情的图像进行相应的处理，其中的关键问题是对变换阶次的选取以及选择合适的特征提取方法对特征信息进行特征提取，利用适当的特征融合方法对提取特征信息进行有效的融合，将融合后的特征信息送入相应的分类器当中，实现相应面部表情的分类，并采用仿真实验和理论分析相结合的方法评价分类算法的性能。最终目标是，在不明显增加运算量的前提下，利用分数阶傅立叶变换实现比用传统人脸表情识别方法更好的分类效果，不仅为人脸表情识别方法的研究开辟新的途径和思路，也为基于分数阶傅立叶变换的图像处理找到一个切入点并奠定必要的基础。

本研究将分数阶傅立叶变换这一新兴的时频分析处理工具拓展到其二维形式，并将其引入人脸表情识别技术中，进行面部表情图像的特征提取，进而实现人脸面部表情的分类和识别。在研究过程中取得以下的研究成果：（1）证明并验证了二维分数阶傅里叶变换具有旋转不变的性质，并将该性质应用于数字水印加密以及模式识别等领域；（2）证明并验证了二维分数阶傅里叶变换相位信息具有空域移不变的性质，并将该性质用于SAR图像的运动目标检测领域；（3）对二维分数阶傅里叶变换的相位和幅度信息进行了深入分析，得出了相位信息比幅度信息更为重要的结论；（4）针对二维分数阶傅里叶变换的特点，提出了相应的特征提取以及分类算法，并应用于情感识别领域；（5）针对二维分数阶傅里叶变换不同阶次包含不同时频信息的这一特点，提出一种新的信息融合算法将不同变换阶次的信息进行了有效的融合，从而提高了识别的准确度；（6）基于本研究得出的信息融合准则，提出了一种最优阶次选择的方法，并将该方法应用于模式别领域。