近些年来,自动化的面部表情识别分析变成了一个活跃的研究领域,其可广泛应用于模式识别,多媒体信息检测与分析,人机交互,安全智能监控系统等方面,拥有极好的发展前景。如何从面部表情中提取出有利于分类的特征是关键问题,本文针对此问题进行分析研究,且将分数阶Cosine变换(FRCT)这种新的时频分析工具应用到特征提取的过程中。作为一种时频分析方法,分数阶余弦变换和分数阶Fourier变换(FRFT)具有某种变换关系,它是传统DCT的一种延伸形式。分数阶余弦变换增加了旋转角度这一自由参数,使得信号处理从单一的频域变换到时频域的变换,进而更适合于面部表情特征的提取。分数阶余弦变换不仅可以满足传统余弦变换的性能,并且具有很好的灵活性。因此基于分数阶余弦变换的面部表情特征提取的方法有可能得到比传统提取办法更理想的分类结果。本文的主要研究内容如下：1.简要介绍分数阶余弦变换的意义,研究一维离散分数阶余弦变换(DFRCT)的算法。依据分数阶余弦变换的理论基础与意义,把一维的变换扩展到二维分数阶余弦变换,并分析二维分数阶余弦变换的离散处理。再者对二维离散分数阶余弦变换的性质进行相关的说明。2.对本文仿真实验中所采用的面部表情的数据库与对它们进行的预处理算法进行相关说明。着重分析了二维离散分数阶余弦变换在图像处理领域的性质,且在此基础上得到面部表情图像在分数阶余弦变换域进行特征提取的根据。3.对旋转的角度与面部表情识别率的关系进行相关的实验分析,并且与传统的Gabor算法的表情识别率进行分析比较。进而加入Fisher线性分类器算法,并构造了基于分数阶余弦变换的面部表情识别系统的模型,再进行定量的实验分析,进而证明本文中算法的合理性。