人脸表情识别是生物识别的一个重要组成部分。在智能人机交互、机器人技术、医疗、娱乐、虚拟现实技术等领域都着广泛的应用。面部表情在人们的日常交流中扮演着重要的角色,因为面部表情在相互交流的过程中传递着十分丰富的信息。近年来,面部表情的识别技术得到了人们的重视,成为信息处理领域的研究热点。本文深入研究了人脸表情特征提取及其识别两方面的关键技术,提出了基于Gabor变换最优通道模糊融合的表情识别算法。本文主要包括以下三方面的内容:①对表情图像进行预处理,它包括人眼的定位、关键区域的裁剪、旋转、尺度归一化和光照补偿等。在人眼定位中,采用了几何特征和Hough变换相结合的方法实现了眼睛的精确定位。②详细分析了Gabor小波核函数的多尺度、多方向的特点,选取了5个尺度,6个方向,共得到30个Gabor滤波器,用于提取表情图像的纹理特征。针对Gabor小波变换后得到的图像维数太高的问题,本文结合非均匀采样和双向二维主元分析法(2D-2DPCA)对其进行了二次降维处理,最后得到所需的表情特征向量。③利用各个Gabor滤波通道对表情识别率贡献不同的特点,提出了一种基于Gabor变换最优通道模糊融合的人脸表情识别算法。首先,提出了最优通道选取的4条基本原则,根据原则选出了4个最优通道;然后,将每个最优通道提取的特征送入BP神经网络进行表情分类识别;最后,利用基于模糊积分的多分类器联合的方法对各识别结果进行融合处理,获得最终的人脸表情识别结果,在JAFFE库上进行测试取得了97.65%的识别率。通过对比实验证实了本文提出算法的有效性和优越性。